0 引言

随着现代航空航天技术的飞速发展，机载雷达作为飞行平台的核心传感器，凭借全天时、全天候的探测能力，在军事侦察、精确打击、民用避障和自主着陆等领域扮演着不可或缺的角色。机载雷达的前视成像能力直接关系到飞行平台对前方环境的感知及交互能力，是实现高层次智能化任务的关键。

然而，一个长期困扰雷达成像领域的难题是：基于合成孔径雷达（synthetic aperture radar，SAR）^[1]与多普勒波束锐化（Doppler beam sharpening，DBS）^[2]等以多普勒频率历史为分辨机制的现代高分辨率成像系统，无法在前视模式下有效工作。其根本原因在于，当雷达波束指向接近飞行速度矢量方向时，不同方位角上散射体的相对径向速度变化极其微小，导致多普勒频率梯度趋近于零^[3]。这使得雷达无法有效区分处于同一距离单元但不同方位的目标。这种物理限制导致雷达方位向分辨率急剧下降，在前视方向形成一个所谓的楔形“成像盲区”^[4]。

为突破前视成像的限制，研究人员提出了多种解决方案。早期方法主要集中于改善传统信号处理框架。例如，解卷积算法^[5]通过解构天线方向图的影响来恢复场景、提升分辨率，但其效果受限于信噪比和模型精度。单脉冲技术^[6]也被引入成像领域。该技术利用和差波束的比值信息来估计目标方位，虽在一定程度上改善了方位向分辨率，但图像中往往存在较高的旁瓣和噪声。近年来，多通道阵列雷达技术^[7]备受关注。该技术利用空间谱估计或空时二维数据处理来分离不同方位的信号，具备提升分辨率的潜力。但其数据处理量大、计算复杂度高，在实时应用中面临挑战。

在图像超分辨、去噪和复原等领域，深度卷积神经网络（deep convolutional neural network，DCNN）凭借其强大的非线性特征提取与映射能力，性能远超传统算法。这股浪潮也迅速扩展至雷达成像领域。MASON等^[8]首次将深度学习引入SAR成像，并结合递归神经网络（recurrent neural network，RNN）和迭代收缩-阈值算法，验证了其可行性。YONEL等^[9]提出了一种基于近似梯度下降优化的RNN反演求解器，该求解器能够实现几何结构保持性更强、对比度更高且误差更小的雷达图像重建。GAO等^[10]构建了一种复数卷积神经网络，该网络在图像质量与计算效率上均优于传统实数网络，且参数量更少。上述工作证实了深度学习在雷达成像中应用的可行性，并且近年来，已有学者尝试将深度学习直接引入前视成像。PAN等^[11]针对机载雷达前视成像，将稀疏约束解卷积问题的交替方向乘子迭代过程展开为可学习网络结构，在仿真与实测数据上验证了前视超分辨成像的可行性。KOTTE等^[12]针对前视SAR提出了无监督深度基追踪网络，该网络不依赖成像真值，通过重构损失实现角向分辨率增强，一定程度上缓解了标注数据不足的问题。LATIFI等^[13]则在前视地质雷达中采用全连接深度神经网络对线性反投影成像误差进行补偿，有效提高了散射体成像质量。在前视成像任务中，由于难以获取高分辨率的标注图像样本，导致大规模标注样本稀缺，制约了深度学习模型的性能表现。

在上述研究基础上，本文将深度学习引入前视雷达成像，提出一种基于仿真数据集的端到端前视成像解决方案，可直接利用雷达回波数据重建高分辨率图像。针对复数前视雷达回波数据，本文设计一种多尺度特征融合网络（multi-scale feature fusion network，MFF-Net）。该网络利用U型编码器-解码器架构，编码器接收不同尺度的回波数据，以实现多模态特征的提取和融合，解码器通过逐层上采样恢复图像分辨率，并生成多尺度前视成像结果，以实现鲁棒的高分辨率图像重建。

1 数据集制作

1.1 基于仿真数据集的网络训练框架

深度学习模型的性能很大程度取决于训练数据的规模和质量。在雷达成像领域，尤其是前视成像这一尚缺乏成熟高分辨率成像技术的领域，如何获取大规模、高质量回波数据和成像配对数据，已成为训练深度学习模型的核心挑战。图1展示了本文所提的基于仿真数据集的网络训练框架。图中实线箭头表示模型的前向传播路径。在此路径中，首先基于高分辨率SAR场景图像通过仿真算法生成前视雷达回波，再将回波数据送入MFF-Net进行处理，最终输出重建的成像结果。图中虚线箭头表示模型的反向传播与优化路径。在此路径中，网络输出的成像结果与作为参考真值的SAR图像一同输入损失函数，用于计算重建误差。该误差将作为反馈信号，用于指导网络参数更新，从而在迭代训练中不断提升成像性能。

1.2 雷达前视回波模型

机载雷达前视成像的典型几何关系模型如图2所示。飞机平台以速度v沿平行于地面直线飞行，飞行高度为H，雷达天线以角速度ω对正前方区域进行扫描探测。

以雷达平台初始时刻在地面上的投影点为原点o，沿飞机航迹并指向右侧的方向为x轴正方向，垂直航迹并指向左侧的方向为y轴正方向，垂直地面向上的方向为z轴正方向，建立空间直角坐标系oxyz。假设场景中任意一个目标散射点P的坐标为（x_P，y_P，0），R₀为点P相对雷达的初始斜距，在慢时间t时刻的平台位置坐标为（vt，0，H），则雷达与目标散射点P之间的瞬时斜距R（t）可表示为

雷达发射线性调频（LFM）信号，接收回波经过下变频、匹配滤波和距离徙动校正后，t₀时刻的信号可以表示为场景中所有散射点回波的相干叠加。目标散射点P的回波信号可表示为

式中：τ为距离向快时间；σ_P为散射点P的后向散射系数；h（·）为天线增益方向图函数；sinc（B（τ-2R（t）/c））为脉冲压缩后的距离向包络函数，其中B为信号带宽，c为光速；λ为信号波长。式（2）中的指数项为信号的相位项，包含了目标位置的关键信息。

将整个场景离散化为像素网格后，总回波可表示为所有像素网格内散射点回波的叠加。在前视小角度（例如±10°）扫描条件下，可近似认为多普勒频率梯度是常数，并忽略多普勒频率的漂移效应。经过一系列补偿和化简，式（2）可以简化为卷积模型：前视雷达距离脉冲压缩后的回波，可以近似看作是地面场景后向散射系数与一个由天线方向图和系统参数决定的二维点扩展函数的卷积。这为基于真实场景图像仿真雷达回波提供了理论基础。

1.3 数据集设置及预处理

基于上述模型，提出了一种高保真回波仿真算法。该算法的核心思想是以高分辨率SAR图像表征地面场景的真实散射点分布，通过模拟雷达平台运动、天线扫描及信号传播过程，反演生成相应的原始前视雷达回波。具体实现步骤如下。

第一步是场景输入。选取若干高分辨率SAR图像作为场景的参考真值。这些图像涵盖多种地物类型，包括建筑、道路、农田、车辆等，同时包含点、线、面目标，便于后续的验证与评估。

第二步是几何建模。需设定雷达平台的飞行参数（速度）、天线参数（波束宽度、扫描速度、扫描范围）和信号参数（波长、带宽、采样频率、脉冲重复频率）。具体参数设置如表1所示。

第三步是回波生成。针对场景图像中的每个像素，根据其位置和设定的几何参数，计算出其在每个观测时刻的距离向坐标和方位角。根据阵列天线特性和波束指向，为每个像素回波引入天线方向图权重进行加权。通过时延和相位补偿，生成复数回波数据。将回波在快时间维度上进行逐点线性叠加，形成理想无噪声的复数回波数据。

最后一步是噪声叠加。为提升仿真数据的真实性，在理想回波中叠加复高斯白噪声，以模拟热噪声的影响。随后进行距离向脉冲压缩和距离徙动校正，得到最终回波数据。

通过上述流程，针对每幅输入的SAR图像场景，均可生成与之相对应的雷达前视回波数据。分别构建点目标数据集和场景目标数据集，并按85∶15的比例划分为训练集和验证集，具体规模参数如表2所示。这种基于仿真的数据生成方法，不仅解决了数据获取的难题，也保证了数据标签的精确性，为深度学习模型的有效训练奠定了坚实基础。

为了使网络能够处理复数数据，将仿真回波数据的实部与虚部分离为双通道输入。由于雷达回波幅度动态范围较大，影响网络的收敛性能，分别对回波数据与SAR图像采用Min-Max归一化，以加速训练收敛。

2 所提方法

针对SAR前视成像中方位向分辨率退化的问题，本文将其建模为一个从雷达回波域到图像域的图像重建任务，并设计MFF-Net来实现这一目标。

2.1 MFF-Net

MFF-Net的整体架构如图3所示。该网络借鉴了U-Net的网络结构，而U-Net因其在医学图像分割等任务中的优异表现而得到广泛应用。

U-Net的核心在于对称的编码器-解码器结构。编码器通过逐级下采样提取图像的深层语义特征；解码器则通过逐级上采样将这些特征映射到原始分辨率空间，从而实现精确的图像重建。编码器由三个编码块组成，每个编码块接收不同尺度的雷达回波，提取多尺度特征，不同尺度的雷达回波分别为$I_{\text{echo}}\in {\mathbb{C}}^{H\times W\times 2}，I_{\text{echo\_2}}\in {\mathbb{C}}^{（H/2）\times （W/2）\times 2}$，$I_{\text{echo\_4}}\in \mathbb{C}（H/4）\times （W/4）\times 2$，其中H，W分别为雷达回波在距离向和方位向上的采样点数，$\mathbb{C}$为复数集。这种设计迫使网络学习不同尺度下的特征表示和重建规律，从而增强网络对目标尺度变化的适应性。在特征融合过程中，浅层卷积模块（shallow convolutional module，SCM）负责将下采样后的回波特征与前一层特征进行融合；特征注意力模块（feature attention module，FAM）通过强调关键空间信息进一步优化融合效果。随后，网络堆叠了20个残差块（ResBlock），其中每个残差块包含两个3×3的卷积层，并引入卷积块注意力模块（convolutional block attention module，CBAM），从通道与空间两个维度增强表征能力。

解码器由3个解码块组成，其结构与编码器对称。在每个解码块中，非对称特征融合模块（asym-metric feature fusion，AFF）的输出首先与前一级解码块输出的特征进行拼接，再通过一个1×1的卷积层进行特征融合。融合后的特征经过与编码器相同的残差块序列进行特征细化处理。然后，采用双线性插值上采样和3×3的卷积层来替代传统的转置卷积操作，避免了棋盘效应，从而提升成像的质量。在残差模块的输出端，连接一个输出通道为1的3×3的卷积层。最终，解码器输出不同尺度的清晰前视图像$I_{\text{imaging}}\in {\mathbb{R}}^{H\times W\times 1}$，其中$\mathbb{R}$为实数集。

2.2 核心功能模块详解

浅层卷积模块、非对称特征融合模块和卷积块注意力模块等子模块的详细结构如图4所示。

浅层卷积模块位于多尺度输入的入口处，主要负责对下采样后的雷达回波进行初步的浅层特征提取。该模块首先通过3×3和1×1的两组卷积层捕获局部特征，再利用残差连接保留原始信息，最后采用一个1×1的卷积层进行特征精炼。通过这种设计，SCM能够使输入在进入主干网络之前，就对不同尺度的数据进行有效的预处理和特征整合，高效提取空间特征（如边缘、纹理等特征），同时避免不必要的复杂运算。

非对称特征融合模块位于编码器和解码器的连接处，用于更有效地融合来自编码器的浅层特征和解码器生成的深层上采样特征。与简单的特征拼接或逐像素相加操作不同，该模块通过非对称采样操作来对齐不同来源的特征，并使用卷积层进行更深层次的融合。则其融合特征图

其中

式中：Conv（·）表示卷积操作；F_cat为拼接操作后的特征图；Concat（·）表示对不同特征的拼接操作；Resize（·）表示特征图尺寸调整操作；F₁，F₂，F₃为不同层的融合特征图。

这种非对称融合架构旨在缓解编码器-解码器结构中因网络深度差异导致的语义鸿沟问题，通过建立编码器浅层细节特征与解码器深层语义特征间的有效关联，确保浅层细节特征能够被准确地传递和利用，并最终整合到图像重建中。

卷积块注意力模块是MFF-Net特征提取能力的核心。该模块被集成到编码器和解码器的每个残差块中，主要由通道注意力模块（channel attention module，CAM）和空间注意力模块（spatial attention module，SAM）两个子模块串联而成。

通道注意力模块用于学习特征通道的重要性权重，引导网络关注关键特征。该模块首先通过对输入特征图X进行全局平均池化和全局最大池化，生成两个互补通道的特征向量，来聚合全局空间信息。然后，将这两个特征向量送入共享的多层感知机（multi-layer perceptron，MLP）进行特征变换，并使用Sigmoid激活函数生成通道注意力权重图M_c（X）。其表达式为

其中

式中：σ（·）为Sigmoid激活函数；MLP（·）为多层感知机函数，进行各分支共享权重；X_Avg，X_Max为全局平均池化和全局最大池化后的特征向量；AvgPool（·），MaxPool（·）为全局平均池化函数和全局最大池化函数。

最后，将原始输入特征图乘以通道注意力权重图，完成通道加权。则经通道注意力加权后的通道特征图

基于上述通道注意力机制，卷积块注意力模块实现了对高信息量关键通道的特征增强，同时对低信息量通道的特征进行了有效抑制。

空间注意力模块用于学习特征图上不同空间位置的重要性权重，引导网络聚焦关键区域。该模块首先对经过通道注意力加权的特征图X′在通道维度上进行平均池化和最大池化，生成两个空间特征图X′_Avg，X′_Max。接着，将两者沿通道维度拼接后，通过一个7×7的卷积层进行空间关系建模。然后，经过Sigmoid激活函数生成空间注意力权重图M_s（X′）。其具体表达式为

其中

式中：f^7×7（·）为7×7的卷积函数。

最后，将该空间注意力权重图乘以通道注意力加权后的特征图，从而突出显示关键的空间区域，抑制背景和噪声区域。经空间注意力加权后的空间特征图

CBAM通过集成通道注意力和空间注意力双重机制，实现了网络端到端的特征自适应学习，并使网络自动聚焦于输入数据中信息量最丰富、判别性最强的特征表示。

2.3 损失函数设置

为了对网络的训练过程进行有效监督，设计了复合损失函数L_total。其表达式为

式中：L_content为多尺度内容损失函数；L_fft为多尺度频域重建损失函数；α为L_fft的权重系数，通常设置为0.1。

L_content作为主要损失项，采用的是L₁损失函数。该函数直接计算网络输出的多尺度重建图像与对应的真实场景图像在像素级别上的差异。L₁损失函数对异常值不那么敏感，因此能够产生更清晰的边缘。

L_fft是为了进一步约束图像的整体结构和纹理而引入的频域损失函数。该损失函数通过傅里叶变换将预测图像和真值图像都转换到频域，然后计算两者在频域上的L₁差异。由于频域的低频分量对应图像的整体轮廓，而高频分量对应其细节和纹理，因此在频域上施加约束能够有效引导网络生成结构更合理、伪影更少的图像。

2.4 训练参数设置

所有实验均在配置有NVIDIA RTX 4090 图形处理器（GPU）的服务器上完成。实验环境基于PyTorch深度学习框架，并选用Adam优化器进行梯度更新。考虑到GPU显存限制，批处理大小设置为4。学习率采用阶梯式衰减策略，初始值为1×10^-4，衰减因子为0.5，每200轮衰减一次。该模型总共训练了1 000轮，以确保网络权重得到充分收敛。基于上述参数配置，对MFF-Net进行了端到端的训练，并最终选取了在训练集上表现最优的模型权重，用于后续的测试与评估。

3 实验验证

3.1 点目标

点目标响应是评价雷达成像系统分辨率和旁瓣性能的关键指标。在点目标数据集上，对比实孔径（RA）成像和本文所提的基于MFF-Net的成像（以下简称MFF-Net成像）结果，如图5所示。

RA成像结果中的点目标在方位向上被严重展宽形成一条亮带，导致同一距离单元内的多目标在方位向无法区分，如图5（a）所示。这直观体现了前视成像固有的分辨率局限。

与RA成像结果相比，MFF-Net成像结果呈现出非常理想的聚焦效果，如图5（b）所示。本文所提方法将原本模糊的亮带压缩成了清晰明亮的斑点，方位向分辨率得到了极大提升。同时，该方法还清晰重构了点目标的位置和轮廓，实现了超分辨率成像。

3.2 场景目标

为了检验所提方法在复杂场景下的表现，采用未在训练集中出现过的全新场景图像，分别采用RA成像、单脉冲成像、MFF-Net成像等方法进行测试。图6和图7展示了两个不同场景的成像结果。对比可知：RA成像结果质量最差，图像极其模糊，只能辨识场景的大致轮廓，无法分辨任何具体目标；单脉冲成像结果虽较RA成像结果有一定改善，能够增强部分强散射目标边缘，但场景的连续结构被严重破坏，整体可读性较差；而MFF-Net成像结果展现了极大的优势，其重建图像不仅目标轮廓清晰、场景布局完整、背景区域干净且噪声和杂波得到了有效抑制，而且其成像结果在视觉上更平滑、更自然，结构连续性远优于单脉冲方法。

3.3 指标对比

为定量验证所提方法的有效性，将其与实孔径成像、单脉冲成像等传统方法进行对比，并采用峰值信噪比（PSNR）、结构相似性指数（SSIM）和通用图像质量指标（UQI）进行综合评估。其中，PSNR用以评估像素级重建精度，SSIM用以衡量结构保真度，而UQI则反映图像视觉感知质量。不同方法对场景1成像结果的定量评价指标对比如表3所示。数据表明，MFF-Net成像结果在所有指标上都显著优于两种传统方法。这说明MFF-Net不仅在像素级图像重建精度上存在优势，而且在保持场景的结构和视觉感知质量上同样表现出色。

4 结论

本文针对机载雷达前视成像问题，提出了一种基于仿真数据集的前视成像方法，并构建了多尺度特征融合网络。该网络利用仿真生成的前视回波及其对应场景图像进行训练，缓解了高质量真实标签数据稀缺的问题。通过融合多尺度特征并引入通道与空间双重注意力机制，实现了超分辨率前视图像重建。实验结果表明，本文所提方法在图像重建性能上显著优于传统前视成像算法。

当前的工作也存在一些可进一步探索的方向。目前方法完全依赖于仿真数据，因此未来研究可通过迁移学习或域自适应等技术融合少量真实数据，以提升模型在真实环境下的泛化性能和鲁棒性。

总而言之，本文的研究工作为解决机载雷达前视成像难题提供了一种创新且高效的深度学习解决方案，展现了人工智能技术在推动雷达信号处理变革方面的巨大潜力。

参考文献