Актуальные аспекты радиолокации с синтезированной апертурой


Авторы

Степанов Г. Ю.*, Ненашев В. А.**

Санкт-Петербургский государственный университет аэрокосмического приборостроения, ул. Большая Морская, 67, Санкт-Петербург, 190000, Россия

*e-mail: georgy.nettov@yandex.ru
**e-mail: nenashev.va@yandex.ru

Аннотация

В данной статье собраны и проанализированы актуальные аспекты бортовой радиолокации с синтезированной апертурой. Цель работы заключается в подробном исследовании состояния этой области на данный момент времени и перспектив её развития. Для сбора необходимой информации был осуществлён поиск соответствующих источников в научных базах данных за последние несколько лет, с последующим сравнением результатов поиска и их оценкой. Особое внимание уделено инновациям в радиолокации с синтезированной апертурой. Показано, что малогабаритные РЛС с синтезированной апертурой, базирующиеся на малых летательных аппаратах, увеличивают возможности дистанционного зондирования Земли, за счёт различных вариаций применения и бюджетных решений. Цифровое формирование луча повышает приспособляемость к различным ситуациям в управлении диаграммой направленности, многолучевом режиме и увеличении динамического диапазона. Методы искусственного интеллекта и машинного обучения упрощают и улучшают обработку данных радиолокации с синтезированной апертурой. Акцент сделан на проблемах, связанных с компенсацией движения платформы, трудоёмкой бортовой и наземной обработке большого объема данных. Отдельно рассмотрена роль имитационного моделирования как необходимого инструмента для тестирования алгоритмов, калибровки систем и создания данных для обучения моделей искусственного интеллекта. Выявлена зависимость этих направлений друг от друга, которая показывает, что каждое усиливает возможности другого, что ведет к развитию технологии и повышению её эффективности в задачах различного типа. Статья подчеркивает необходимость совершенствования систем радиолокации с синтезированной апертурой, а также разработке устройств для бортовой обработки данных за счёт искусственного интеллекта и машинного обучения.

Ключевые слова:

бортовая радиолокация; синтезированная апертура; дистанционное зондирование Земли; малый летательный аппарат; цифровое формирование луча; искусственных интеллект; машинное обучение; обработка данных; имитационное моделирование

Список источников

  1. Moreira A., Krieger G. Spaceborne synthetic aperture radar (SAR) systems: state of the art and future developments // 33rd European Microwave Conference Proceedings, Vol.1, 2003. P.101-104. DOI: 10.1109/EUMC.2003.1262228.
  2. Устинов А., Саджид А., Заливин А. О применении малогабаритных РЛС в задачах дистанционного зондирования земли // Молодёжь, наука, образование: актуальные вопросы, достижения и инновации: Сборник статей II Международной научно-практической конференции. -Пенза: МЦНС “Наука и Просвещение”. -2021, с.26-29.
  3. Vouras P., Mishra K.V., Artusio-Glimpse A., Pinilla S., Xenaki A., Griffith D.W., Egiazarian K. An Overview of Advances in Signal Processing Techniques for Classical and Quantum Wideband Synthetic Apertures // IEEE Journal of Selected Topics in Signal Processing, vol.17, №2, 2023. P.317-369. DOI:10.1109/JSTSP.2023.3262443.
  4. Жила С., Колесников Д. Метод статического синтеза апертуры в задачах дистанционного зондирования и неразрушающего контроля // Авиационно-космическая техника и технология, №3(179), Харьков, 2022. С. 75-83. DOI: 10.32620/akkt.2022.3.08.
  5. Борисенко А.В., Горячкин О.В., Долгополов В.Н., Женгуров Б.Г. Радиолокатор с синтезированной апертурой, паразитирующий на сигналах телевизионного вещания // Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение, Т13, №2, 2014.  С. 16-24. DOI: 10.18287/1998-6629-2014-0-2(44)-16-24
  6. Алешкин А.П., Владимиров В.В., Невзоров В.И., Савочкин П.В. Метод повышения разрешающей способности и точности радиолокационных угловых измерений на основе последовательной пространственно-временной обработки принимаемых сигналов // Информационно-управляющие системы. 2020. № 2. C. 37-45. DOI: 10.31799/1684-8853-2020-2-37-45.
  7. Gassot O. SAR imaging of an asteroid’s regolith: simulation and data processing // Instrumentation and Methods for Astrophysic. Université Grenoble Alpes, 2020.
  8. Великанова Е.П., Гельцер А.А., Эрдынеев Ж.Т., Панокин Н.В. Анализ требований к точностным характеристикам инерциальной системы навигации в радаре с синтезированной апертурой антенны // Гироскопия и навигация. 2016. 24(4), с. 47-58. DOI: 10.17285/0869-7035.2016.24.4.047-058.
  9. Ashry M. M., Mashaly A. S., Sheta B. Proposed SAR range focusing algorithm based on simulation analysis and SDR implementation // Arabian Journal of Geosciences 16, 476, 2023. DOI: 10.1007/s12517-023-11569-w.
  10. Homemade synthetic aperture radar, 2015. [Электронный ресурс] URL: https://hforsten.com/homemade-synthetic-aperture-radar.html (дата обращения: 15.01.2026).
  11. Villano M., Ustalli N., Dell’Amore L., Jeon S.-Y., Krieger G., Moreira A., NewSpace SAR: Disruptive Concepts for Cost-Effective Earth Observation Missions // IEEE Radar Conference, Florence, Italy, 2020, P. 1-5, DOI: 10.1109/RadarConf2043947.2020.9266694.
  12. Борисенков А., Горячкин О., Долгополов В., Женгуров Б., Радиолокатор с синтезированной апертурой, паразитирующий на сигналах телевизионного вещания // Вестник Самарского государственного аэрокосмического университета им. академика С. П. Королёва (национального исследовательского университета), №2 (44), 2014, С. 16-24.
  13. Караев  В. Ю.,  Панфилова  М. А.,  Митник  Л. М.,  Рябкова  М. С., Титченко  Ю. А.,  Мешков  Е. М., Андреева  З. В., Волгутов Р. В., Особенности радиолокационного зондирования ледяного покрова при малых углах падения на примере Охотского моря // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. №7. С. 187–202. DOI:10.21046/2070-7401-2020-17-7-187-202.
  14. Дмитриев А.В., Жарков Д.С., Ярцев И.М., Половинкина А.С. Макет малогабаритной программно-определяемой РЛС с синтезированием апертуры антенны на мультикоптере // Сборник трудов XXV Международной научно-технической конференции, посвященной 160-летию со дня рождения А.С. Попова. Воронеж: ВГУ, 2019. С. 164-180.
  15. Svedin J., Bernland A., Gustafsson A., Claar E., Luong J. Small UAV-based SAR system using low-cost radar, position, and attitude sensors with onboard imaging capability // International Journal of Microwave and Wireless Technologies. 2021;13(6). P. 602-613. DOI: 10.1017/S1759078721000416.
  16. Stecz W., Gromada K. UAV Mission Planning with SAR Application // Sensors. 2020. № 4 (20). P. 1080. DOI: 10.3390/s20041080.
  17. Dill S., Schreiber E., Engel M., Heinzel A., Peichl M. A drone carried multichannel Synthetic Aperture Radar for advanced buried object detection // IEEE Radar Conference, Boston, MA, USA, 2019. P. 1-6. DOI: 10.1109/RADAR.2019.8835814.
  18. Kim S., Jeon S.-Y., Kim J., Lee U.-M., Shin S., Choi Y., Ka M.-H. Multichannel W-Band SAR System on a Multirotor UAV Platform with Real-Time Data Transmission Capabilities // IEEE Access, vol.8, 9160919, 2020. P. 144413-144431. DOI: 10.1109/ACCESS.2020.3014700.
  19. Miccinesi L., Beni A., Bigazzi L., Pieraccini M. Synthetic Aperture Radar Aboard an Unmanned Aerial System for Detecting Foreign Object Debris on Airport Runways // IEEE Access, vol. 12, 2024. P. 106735-106743. DOI: 10.1109/ACCESS.2024.3437653.
  20. Rincon R., Fatoyinbo L., Osmanoglu B., Lee S.K. Development of Next Generation Digital Beamforming Synthetic Aperture Radar architectures // IEEE International Geoscience and Remote Sensing Symposium, Beijing, China, 2016. P. 2109-2111, DOI: 10.1109/IGARSS.2016.7729544.
  21. Задорожный В. Способ построения масштабируемой системы цифрового диаграммообразования для цифровых антенных решеток // T-Comm: Телекоммуникации и транспорт. 2023. Том 17. №12. С. 22-28.
  22. Younis M., Almeida F. Q. D., Villano M., Huber S., Krieger G., Moreira A. Digital Beamforming for Spaceborne Reflector-Based Synthetic Aperture Radar, Part 2: Ultrawide-swath imaging mode // IEEE Geoscience and Remote Sensing Magazine, vol. 10, no. 4, 2022. P. 10-31. DOI: 10.1109/MGRS.2022.3200871.
  23. Huber S., Younis M., Krieger G., Moreira A., Error Analysis for Digital Beamforming Synthetic Aperture Radars: A Comparison of Phased Array and Array-Fed Reflector Systems // IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 8, 2021. P. 6314-6322. DOI: 10.1109/TGRS.2020.3029680.
  24. Liao M., Dong J., Li M., Ao M., Zhang L., Shi X. Radar Remote Sensing for Potential Landslides Detection and Deformation Monitoring // Natl. Remote Sens. Bull. 2021,25. P. 332–341. DOI: 10.11834/jrs.20210162.
  25. Zhu X.X., Montazeri S., Ali M., Hua Y., Wang Y., Mou L. Deep Learning Meets SAR: Concepts, models, pitfalls, and perspectives // IEEE Geoscience and Remote Sensing Magazine, № 4 (9), 2021. P. 143-172. DOI: 10.1109/MGRS.2020.3046356.
  26. Колесников А. Анализ методов и средств искусственного интеллекта для анализа и интерпретации данных активного дистанционного зондирования // Вестник СГУГиТ (Сибирского государственного университета геосистем и технологий), № 3 (27), 2022. C. 74-94.
  27. Huang Z., Dumitru C.O., Pan Z., Lei B., Datcu M. Classification of Large-Scale High-Resolution SAR Images with Deep Transfer Learning // IEEE Geoscience and Remote Sensing Letters, vol. 18, no. 1, 2021. P. 107-111. DOI: 10.1109/LGRS.2020.2965558.
  28. Zhang T., Zeng T., Zhang X. Synthetic Aperture Radar (SAR) Meets Deep Learning // Remote Sens, 15, P. 303. DOI: 10.3390/rs15020303.
  29. Li D., Liu J., Liu F., Zhang W., Zhang A., Gao W. A Dual-Fusion Semantic Segmentation Framework with Gan for SAR Images // IGARSS 2022 - 2022 IEEE International Geoscience and Remote Sensing Symposium, Kuala Lumpur, Malaysia, 2022. P. 991-994. DOI: 10.1109/IGARSS46834.2022.9884931.
  30. Wang C., Pei J., Liu X., Huang Y., Yang J. A deep deformable residual learning network for SAR image segmentation // IEEE Radar Conference, Atlanta, GA, USA, 2021. P. 1-5. DOI: 10.1109/RadarConf2147009.2021.9455217.
  31. Mengyu G., Qiulei D. Heterogeneous Feature Distillation Network for SAR Image Semantic Segmentation // arXiv (Cornell University). 2022. DOI: 10.48550/arXiv.2210.08988.
  32. Wang P., Zheng H., Hu Z., Xu A., Zheng M., Yang L. PCM-SAR: Physics-Driven Contrastive Mutual Learning for SAR Classification // IEEE International Conference on Multimedia and Expo, Nantes, France, 2025, P. 1-6. DOI: 10.1109/ICME59968.2025.11209959.
  33. Доросинский Л., Иванов С. Сравнительный анализ классических методов и методов машинного обучения при решении задач классификации радиолокационных изображений // Ural Radio Engineering Journal. 2022;6(3). C. 310–323. DOI: 10.15826/urej.2022.6.3.005.
  34. Antarctic Peninsula by Sentinel-1D, 26.11.2025 esa.int [Электронный ресурс] URL: https://www.esa.int/ESA_Multimedia/Images/2025/11/Antarctic_Peninsula_by_Sentinel-1d (дата обращения: 27.01.2026).
  35. Romano D., Mele V., Lapegna M. The Challenge of Onboard SAR Processing: A GPU Opportunity // Computational Science – ICCS 2020. ICCS 2020. Lecture Notes in Computer Science (), vol 12139. Springer, Cham. DOI: 10.1007/978-3-030-50420-5_4.
  36. García L.P., Furano G., Ghiglione M., Zancan V., Imbembo E., Ilioudis C., Clemente C., Trucco P. Advancements in Onboard Processing of Synthetic Aperture Radar (SAR) Data: Enhancing Efficiency and Real-Time Capabilities // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 17, 2024. P. 16625-16645. DOI: 10.1109/JSTARS.2024.3406155.
  37. Bernardi M.S., Africa P.C., de Falco C., Formaggia L., Menafoglio A., Vantini S. On the Use of Interferometric Synthetic Aperture Radar Data for Monitoring and Forecasting Natural Hazards // Math Geosci 53, 2021. P. 1781–1812. DOI: 10.1007/s11004-021-09948-8.
  38. Cantalloube H. M. J. SAR image post-processing for acquisition trajectory change // EUSAR 2022; 14th European Conference on Synthetic Aperture Radar, Leipzig, Germany, 2022. P. 1-6.
  39. Oralbekova O., Tyulepberdinova A., Gaziz G., Adamova D., Sholpanbaev B. The use of radar technologies in the hydraulic engineering in seismic zones // Journal of Applied Engineering Science, 19(4), 2021. P.1040 – 1048. DOI:10.5937/ jaes0-30937.
  40. Yang W., Guo J., Chen J., Liu W., Deng J., Wang Y. A Novel Channel Inconsistency Estimation Method for Azimuth Multichannel SAR Based on Maximum Normalized Image Sharpness // IEEE Transactions on Geoscience and Remote Sensing, vol. 60, 2022. P. 1-16. DOI: 10.1109/TGRS.2022.3219818.
  41. Zhu L., Suomalainen J., Liu J., Hyyppä J., Kaartinen H., Haggrén H. A Review: Remote Sensing Sensors. 2018. DOI: 10.5772/intechopen.71049.
  42. Newstadt G. E. Adaptive Sensing Techniques for Dynamic Target Tracking and Detection with Applications to Synthetic Aperture Radars // University of Michigan, 2013.
  43. Alaqeel A. Phenomenological Study of Radar Scattering at High Millimeter-Wave Frequencies in Support of Autonomous Vehicles // University of Michigan, 2022.
  44. Cruz H., Véstias M., Monteiro J., Neto H., Duarte R.P. A Review of Synthetic-Aperture Radar Image Formation Algorithms and Implementations: A Computational Perspective // Remote Sens. 2022, 14, P. 1258. DOI: 10.3390/rs14051258.
  45. Franceschetti G., Guida R., Iodice A., Riccio D., Ruello G. Efficient Simulation of hybrid stripmap/spotlight SAR raw signals from extended scenes // IEEE Transactions on Geoscience and Remote Sensing, vol. 42, no. 11, 2004. P. 2385-2396. DOI: 10.1109/TGRS.2004.834763.
  46. Khwaja S. Fast Raw Data Generation of Realistic Environments for a SAR System Simulator. Signal and Image processing // Université Rennes 1, 2008.
  47. Boyoğlu C.S., Balz T., Sultanbekova A. Assessing Looting Holes by Using SAR Simulation. Int. Arch. Photogramm // Remote Sens. Spatial Inf. Sci., XLVIII-1-2024, 2024. P. 31–36. DOI: 10.5194/isprs-archives-XLVIII-1-2024-31-2024.
  48. Chang Y.-L., Chiang C.-Y., Chen K.-S. SAR Image Simulation with Application to Target Recognition // Progress in Electromagnetics Research, Vol. 119, 2011. P. 35-57. DOI: 10.2528/PIER11061507.
  49. Blackledge J. Perspective Chapter: Simulation and Analysis of Synthetic Aperture Radar Images // Digital Image Processing - Latest Advances and Applications IntechOpen, 2023. DOI: 10.5772/intechopen.1002781.
  50. Lee H., Jung C.-S., Kim K.-W. Feature Preserving Autofocus Algorithm for Phase Error Correction of SAR Images // Sensors 2021, 21. P. 2370. DOI: 10.3390/s21072370.
  51. Chen W., Zhang L., Xing X., Wen X., Zhang Q. Sub-Nyquist SAR Imaging and Error Correction Via an Optimization-Based Algorithm // Sensors, 24, 2024. P. 2840. DOI: 10.3390/s24092840.
  52. Zhang Z.-Y., Pappas O., Rizaev I.G., Achim A. Sparse Regularization with a Non-Convex Penalty for SAR Imaging and Autofocusing // Remote Sens., 14, 2022. P. 2190. DOI: 10.3390/rs14092190.
  53. Slepyan G., Vlasenko S., Mogilevtsev D., Boag A. Quantum Radars and Lidars: Concepts, realizations, and perspectives // IEEE Antennas and Propagation Magazine, vol. 64, no. 1, 2022. P. 16-26. DOI: 10.1109/MAP.2021.3089994.
  54. Waller E.H., Keil A., Friederich F. Quantum range-migration-algorithm for synthetic aperture radar applications // Sci Rep 13, 11436 (2023). DOI: 10.1038/s41598-023-38611-x.
  55. Karsa A., Fletcher A., Spedalieri G., Pirandola S. Quantum illumination and quantum radar:  A brief overview // Reports on Progress in Physics, vol. 87, no. 9, 2024. P. 094001. DOI: 10.1088/1361-6633/ad6279.

Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2026

 Вход