针对在动态海况下低可观测和小型海洋目标检测的77 GHz FMCW成像雷达：基于组合MIMO与DBS技术的研究

主要作者及发表信息

本研究的作者为Anum Pirkani（IEEE会员）、Andrew G. Stove（IEEE高级会员）、Dillon Kumar、Mikhail Cherniakov以及Marina S. Gashinova，他们均来自英国伯明翰大学（University of Birmingham）电子、电气与系统工程系。该研究成果于2024年发表在期刊《IEEE Transactions on Radar Systems》第2卷上，论文标题为“77 GHz FMCW Imaging Radar for Low Observable and Small Marine Target Detection in Dynamic Sea Conditions Based on Combined MIMO and DBS”。

学术背景与研究目的

本研究属于雷达系统与海洋传感的交叉科学领域。随着小型灵活海上船只和自动驾驶或人工操纵的休闲船只日益增多，为海上平台提供态势感知，尤其是在海杂波背景下检测和规避小型“未编目”物体的能力变得至关重要。传统船用雷达因其体积庞大、笨重，且设计初衷是为了探测远距离的大型船只，因此难以检测小型目标，在最小探测距离内存在盲区且分辨率低下。然而，对无人艇、游泳者、皮划艇、浮木等小型弱目标进行有效探测的需求却日益强烈。尽管汽车领域的毫米波（mm-wave）雷达已取得显著进步，但由于海面的动态复杂性，相关技术不能直接移植到海洋环境中。现有的一些海洋小目标检测方法，如基于特征压缩、三特征、图信号处理或分形特征的检测器，通常需要长达数秒的观测时间，难以满足运动平台实时路径规划的需求，且其有限的特征集在面对复杂海况时性能受限。基于机器学习的方案则需要庞大且难以获取的多样化数据集。因此，本研究旨在开发并验证一种新型的雷达感知方法，通过结合多输入多输出（Multiple-Input–Multiple-Output, MIMO）与多普勒波束锐化（Doppler Beam Sharpening, DBS）的波束赋形技术，实现对海洋场景中多个小型“动态”目标的成像与检测，同时大幅抑制海面背景杂波。

详细研究流程与方法

本研究分为理论建模、信号处理算法开发和实验验证三个主要阶段。

首先，研究者构建了MIMO-DBS波束赋形的理论框架。在MIMO雷达中，通过多个发射和接收天线形成虚拟阵列，其角度分辨率在视轴方向最佳，随偏轴角度增大而下降。其阵列因子表达式为sinc(cosθt / 1θmimo)。而DBS技术则利用移动雷达平台波束内，不同方位散射体因相对速度不同而产生的多普勒频移差异来细化角度分辨率，其分辨率随偏轴角度增大和平台速度（vp）增加而提高，阵列因子表达式为sinc(2tfvp sinθt / λ · 1θdbs)，其中tf为多普勒处理的帧间隔。两种技术在角度分辨率上的趋势相反，具有互补性。组合MIMO-DBS波束赋形通过样条插值将两种独立处理的数据在等角度点上进行采样和融合。理论推导给出了组合后的3dB角分辨率公式：1θmimo-dbs ≈ 1.22·ζw / √[(dmimo/λ)cosθt]² + (2tfvp/λ)sinθt²。从点扩散函数的分析可以看出，DBS不仅能随偏轴角度增大而提升分辨率，还能在视轴方向显著降低旁瓣电平（SLL），从而扩大动态范围。为了克服时分复用MIMO雷达因帧重复间隔增大导致的速度模糊问题，研究提出了一种速度重排方法，根据平台速度重新定义速度-多普勒频移的映射关系，以扩展DBS的有效视场（FOV），并利用惯性测量单元（IMU）获取的平台运动学参数来计算用于DBS处理的精确平台速度。

其次，研究系统地分析了海洋环境对雷达感知的两大挑战。其一，波浪运动会引起目标位移和额外的多普勒频移。基于Pierson-Moskowitz点能量谱和Longuet-Higgins能量扩展函数，对从海况1到海况5的海面进行了建模。模拟结果显示，即使是低海况下，一个位于20米外的浮标在1秒内的位移和速度也足以使其跨越多个雷达多普勒分辨率单元。这表明目标的相对径向速度vr不仅由平台速度vp和目标自身速度vt决定，还包括因波浪动力学引入的未知速度分量γ。其二，较高的平台速度或较长的相干处理间隔（CPI）会导致距离徙动（Range Migration）和多普勒模糊（Doppler Smearing），从而降低信噪比（SNR）。研究通过对不同平台速度和CPI下的距离/多普勒单元跨越数及SNR损失进行建模（如图8和图9所示），发现在平台速度10 m/s、CPI为128 ms时，性能下降仍在可控范围内，并据此选择了128 ms作为实验的优化CPI参数。

最后，基于上述分析，研究提出了一套完整的自适应信号处理链（如图12所示）。该处理链的核心是自适应MIMO-DBS（Adaptive MIMO-DBS, AMDBS）方法。流程始于对雷达数据进行距离维和多普勒维的脉冲压缩，生成距离-多普勒谱，再进行MIMO波束赋形。接着，采用有序统计恒虚警率（OSCA-CFAR）检测器在MIMO图像上进行目标检测。该检测器先在距离向应用有序统计CFAR，选取第k个有序单元，再在方位向应用单元平均CFAR，以达到在扩展目标和变化RCS场景下的鲁棒检测。之后，应用基于密度的带噪声空间聚类算法（DBSCAN）对检测点进行聚类，以区分场景中运动模式不同的多个目标。其搜索半径通过迭代算法确定，聚类效果用轮廓系数（si）评估。对于每个被标识为独立集群的目标，算法会执行自适应DBS聚焦。此过程通过迭代方式，在预设的速度搜索范围[vp - vs - vrd, vp + vs + vrd]内（其中vs为海况决定的最大波速，vrd为目标运动余量），以速度分辨率步长调整假设的相对速度v‘t，并对每个v’t执行MIMO-DBS波束赋形。通过最大化目标边界框内的平均功率（即信杂噪比，SCNR），来估计出该目标的最优聚焦速度。最终，将所有聚焦后的MIMO-DBS图像叠加，并再次使用OSCA-CFAR滤除因叠加产生的多普勒旁瓣伪影，得到高分辨率、高动态范围的精细AMDBS雷达图像。

主要实验结果与分析

实验验证在英国科尼斯顿湖（Coniston Water）进行，湖况相当于道格拉斯0级或1级海况，使用了一款名为Inras RadarLog的77 GHz FMCW MIMO雷达，其虚拟阵列包含61个阵元，雷达以波束赋形模式配置，帧重复间隔为1毫秒。传感套件安装在一艘充气动力艇上，进行了前视和后视两种布置的测试，平台速度从0.5 m/s到10 m/s不等。

在单目标船艇场景中，分别在后视（相对速度3.1 m/s）和前视（相对速度5.2 m/s）条件下对一艘锚泊的“准静止”船进行成像。MIMO波束赋形结果中，目标船被高旁瓣掩盖，限制了雷达的动态范围。而应用AMDBS处理后，旁瓣电平得到显著抑制，SCNR得到改善，船体上的散射点能被清晰分辨。对于后视场景中方位角25.4°的最强反射点，其MIMO处理的3dB分辨率为2.3°，AMDBS处理后分辨率提升至1.5°；SCNR从34 dB提升至56 dB。在前视场景中，方位角29.7°处的反射点分辨率更是从2.7°优化至0.9°，SCNR从32 dB提升至52 dB。测得的3dB分辨率与理论值吻合良好，验证了理论公式的正确性。

在单目标皮划艇运动员场景中，运动员与船桨因具有不同的相对速度，尽管在空间上接近，但仍被DBSCAN成功分为两个独立的簇（轮廓系数0.83）。通过AMDBS对不同簇分别进行最优速度聚焦，使得运动员和船桨的散射点均能被精确对焦，成功消除了直接进行MIMO-DBS时出现的散焦现象。此处尽管平台速度较小（约1.4 m/s）导致分辨率提升因子不大，但SCNR仍有约15 dB的提升，动态范围得到增强。

在多目标场景中，研究了包含两个皮划艇运动员、尾流、白色船、摩托艇和红色船在内的复杂动态场景。AMDBS算法对场景中所有目标逐一进行了速度估计和自适应聚焦（使用的聚焦速度从1.3 m/s到2.8 m/s不等）。结果再次证明了该方法能同时显著提升所有目标的SCNR（见表三）和分辨率，特别是对于像红色船这样偏离视轴较远的目标，分辨率细化效果更为明显，同时有效移除了传统方法中因图像叠加产生的多普勒旁瓣假目标。此外，研究还展示了对包含静止海岸和动态船只的扩展场景的成像能力，生成了精细的场景图像，海岸背景的SCNR达22 dB，而动态小船上最弱反射点的SCNR也达到了23 dB。

研究结论与价值

本研究首次探讨并验证了毫米波MIMO-DBS波束赋形技术在动态海洋环境中对多个运动目标进行检测与成像的可行性。研究提出了一种创新的AMDBS方法，该方法通过在集群分析后进行自适应速度搜索和对焦，成功解决了在浮动平台和非合作目标面临复杂多普勒频移的情况下，DBS技术难以应用的问题。这一方法不仅实现了对静止背景和多个动态目标的高分辨率、高动态范围成像，还有效抑制了杂波和系统旁瓣。从科学价值上看，本研究建立了完整的目标运动与雷达信号分析模型，揭示了速度模糊、距离徙动、波浪诱导运动等关键因素对成像性能的影响机理，并提出了系统性的解决方案。从应用价值上看，该技术为小型海上平台的实时态势感知和可靠路径规划提供了关键技术支撑，特别是在检测浮木、游泳者等弱小目标方面展现出巨大潜力，并有望进一步应用于港口、航道等高密度交通场景下的船艇导航和避障。

研究亮点

本研究的亮点主要体现在以下几个方面：第一，技术创新性强，首次将MIMO与DBS技术创造性地结合并应用于全新的海洋传感领域，开发出具有自适应对焦能力的AMDBS算法，实现了对多动态目标的并发高分辨成像。第二，方法体系完整，从理论建模、海况模拟、挑战分析到信号处理算法设计、实际湖上实验验证，形成了一个完备的研究闭环。第三，性能提升显著，实验数据充分证明，所提方法不仅能将角分辨率提升数倍（例如从前视29.7°的2.7°提升至0.9°），还能将信杂噪比提升超过20 dB，这对于探测“低可观测”小目标至关重要。第四，算法智能化程度高，集成了OSCA-CFAR鲁棒检测和无需预设目标数量的DBSCAN聚类算法，能够自动感知环境中的目标数量与分布，为后续的全自动目标识别与分类奠定了坚实基础。第五，实用前景广阔，该研究基于紧凑低成本的汽车级毫米波雷达，其小型化、可负担的特点非常适合在各类中小型无人或有人海上平台中推广应用，具有极高的民用和军事价值。研究者还指出，未来将在更高海况和更高平台速度下的更具挑战性的环境中进行测试，并研究非高斯杂波统计下的目标检测问题。