无人机载微型SAR受限于SWaP约束，普遍存在发射功率低、天线增益小、带宽有限、惯导精度不足等问题，在低照度环境下，面临回波信噪比低、成像散焦、弱目标淹没、相干斑噪声严重等核心挑战，成像质量无法满足实际应用需求。本文系统梳理了无人机载微型SAR在低照度环境下的成像核心挑战，构建了从射频前端、信号域、成像域到图像域的全链路成像增强技术体系，深入分析了各环节关键技术的原理与实现路径，通过实验验证了技术的性能提升效果。
本文所指的低照度环境，是广义的低可观测场景，既包括光学意义上的夜间、弱光照环境，也包括导致微波信号衰减、目标散射特性弱化的恶劣气象环境（雾霾、沙尘、中雨、浓雾），以及低对比度、低散射系数的复杂地物场景（均匀海面、雪地、植被覆盖区、城市阴影区）。在此类场景下，无人机载微型SAR的成像面临四大核心挑战：
1. 硬件约束导致的回波信杂比先天不足
为适配小型无人机的载重与供电能力，
微型SAR必须严格控制SWaP指标，发射功率普遍在10W以内，天线口径小、增益低，带宽与采样率受限，导致回波信号的能量先天不足。在低照度环境下，大气衰减进一步恶化了回波质量：沙尘对X波段微波的衰减可达1-3dB/km，浓雾对Ku波段的衰减可达5dB/km以上，弱散射目标的回波完全淹没在噪声与杂波中，无法有效分辨。
2. 运动误差引入的成像散焦与分辨率损失
小型无人机飞行稳定性差，受气流扰动、旋翼微振动影响，飞行姿态、速度、位置的实时变化会引入严重的运动误差。而微型SAR搭载的MEMS惯导精度有限，无法提供高精度的运动参数补偿，在低信噪比下，回波的相位误差被进一步放大，导致距离徙动校正失效、方位向散焦，图像分辨率大幅下降，甚至无法形成有效成像。
3. 复杂场景下的杂波与相干斑噪声干扰
低照度环境下，地物杂波的非均匀性显著增强：夜间植被的体散射、城市阴影区的多径散射会形成强杂波背景，掩盖弱目标信号；同时，SAR相干成像机制带来的固有相干斑噪声，在低信噪比下影响被进一步放大，导致图像等效视数低、对比度差，细节信息严重丢失。
4. 弱散射目标的可观测性不足
低照度环境下，大量核心关注目标属于弱散射体，如人员、小型无人机、木质船只、植被覆盖下的车辆，其雷达散射截面（RCS）普遍低于-10dBsm。在低信杂比条件下，目标的散射特征完全被噪声与杂波覆盖，传统成像算法无法有效提取目标信息，导致目标检测与识别的准确率大幅下降。
二、低照度环境下微型SAR全链路成像增强技术体系
针对上述核心挑战，本文构建了覆盖射频前端、信号域、成像域、图像域的全链路成像增强技术体系，从信号发射源头到最终图像输出的全流程实现成像质量提升。
1. 射频前端与波形优化的源头增强技术
源头增强的核心是在射频发射与接收端，提升信号的抗衰减、抗干扰能力，从根源上提升回波信噪比，主要包括两大核心方向：
一是自适应波形优化设计。传统线性调频（LFM）波形实现简单，但低信噪比下脉冲压缩增益有限、抗干扰能力弱，针对微型SAR的SWaP约束，可采用三类优化波形：第一类是混沌相位编码波形，利用混沌序列的随机性、正交性和大时宽带宽积特性，实现更低的距离旁瓣和更强的抗干扰能力，低信噪比下脉冲压缩增益可提升3-5dB；第二类是自适应正交频分复用（OFDM）波形，针对低照度环境的大气衰减特性，实时调整子载波的功率与调制方式，对衰减严重的子载波分配更高发射功率，提升信号能量利用率，同时抑制多径干扰；第三类是动态参数自适应调整，基于实时回波信杂比监测，动态调整脉冲重复频率（PRF）、带宽、发射功率、积累脉冲数，适配不同低照度场景的成像需求。
二是射频前端性能优化。采用低噪声系数的低噪声放大器（LNA），提升接收端灵敏度；采用轻量化MIMO阵列天线，通过数字波束形成（DBF）技术提升空间自由度，在不增加天线口径的前提下提升等效增益，同时抑制杂波与干扰；在射频端加入自适应干扰抑制模块，滤除同频段通信干扰，降低后续信号处理的压力。
2. 高精度运动误差补偿与自聚焦成像增强
运动误差是导致微型SAR成像散焦的核心原因，需通过“前馈补偿+自适应自聚焦”的两级方案实现高精度补偿：
第一级是紧耦合INS/GNSS组合导航前馈补偿。将SAR回波的多普勒参数与INS/GNSS导航数据紧耦合，实现运动参数的高精度估计，相比传统MEMS惯导，位置精度可从米级提升至厘米级，姿态精度从0.5°提升至0.1°以内，提前补偿大部分平移、速度等低阶运动误差，为后续自聚焦处理提供基础。
第二级是基于回波数据的自适应自聚焦算法。针对前馈补偿无法消除的高阶相位误差（如旋翼微振动引入的微多普勒误差），对传统算法进行优化改进：针对低信噪比下相位梯度自聚焦（PGA）性能下降的问题，采用加权PGA算法，通过对强散射点的加权处理提升相位误差估计精度；采用基于稀疏重构的自聚焦算法，利用SAR图像的稀疏先验，同时实现相位误差估计与图像重构，在信噪比低于0dB的场景下仍可实现高精度补偿；针对实时处理需求，采用基于深度学习的端到端自聚焦网络，直接从散焦图像中估计相位误差，处理速度较传统算法提升10倍以上，适配无人机机载处理的算力约束。
3. 低信杂比下回波信号域增强技术
信号域增强的核心是从回波数据中提取目标信号，抑制杂波与噪声，提升回波信杂比，核心技术包括：
一是长时间相参积累技术。相参积累的增益与积累脉冲数的平方根成正比，是提升低信噪比下信号能量的核心手段，但长时间积累会导致距离走动与多普勒走动。采用Keystone变换结合二阶Keystone变换，校正距离向的线性与二次走动，结合多普勒调频率估计校正方位向多普勒走动，实现长时间相参积累，低信噪比下积累增益可提升10dB以上，有效提取弱目标回波。
二是轻量化空时自适应杂波抑制。传统空时自适应处理（STAP）算法计算量大、通道数要求高，不适合
微型SAR。采用降维STAP算法（如3DT-STAP、局域联合处理JDL），将空时二维处理降维至一维，大幅降低计算量的同时保持杂波抑制性能；采用基于稀疏恢复的STAP算法，利用杂波的稀疏特性，仅需少量训练样本即可实现杂波协方差矩阵的准确估计，适配非均匀杂波场景，低信杂比下杂波抑制比可达20dB以上。
三是基于压缩感知的稀疏重构增强。SAR图像在小波域、离散余弦域等稀疏域具有强稀疏性，低照度场景下大部分区域为均匀杂波背景，仅存在少量目标散射点，完全符合压缩感知的应用条件。采用正交匹配追踪（OMP）、稀疏贝叶斯学习（SBL）等算法，从低采样率、低信噪比的回波数据中重构高分辨率目标散射系数图像，不仅可提升图像分辨率，还可有效抑制噪声与杂波，在信噪比低于-5dB的场景下仍可重构清晰的目标图像，同时降低了对SAR硬件采样率的要求。
4. 成像后图像域增强与弱目标提取
图像域增强针对成像后的SAR图像，实现噪声抑制、对比度提升与弱目标特征增强，核心技术包括：
一是自适应相干斑噪声抑制。传统Lee、Frost滤波在抑制噪声的同时会丢失细节信息，采用非局部均值滤波（NLM）结合双边滤波的自适应算法，利用SAR图像的非局部自相似性，在抑制相干斑的同时保留目标边缘与细节；采用基于深度学习的SAR-CNN、CycleGAN去噪网络，通过大量样本训练实现端到端的相干斑抑制，相比传统算法，图像等效视数（ENL）可提升3-5倍，细节保留度提升80%以上。
二是多尺度对比度增强。低照度SAR图像动态范围大，弱目标灰度与背景接近，对比度低。采用基于小波变换的多尺度增强算法，将图像分解为不同尺度的高频与低频分量，对低频分量进行自适应直方图均衡化提升整体对比度，对高频分量进行非线性增强突出边缘细节，同时避免噪声放大；采用基于Retinex理论的增强算法，将图像分解为照射分量与反射分量，去除照射不均匀性，增强反射分量对比度，适配低对比度场景的成像需求。
三是弱目标增强与特征提取。针对极低RCS弱散射目标，采用增强与检测一体化的深度学习网络，将增强网络与YOLO、Faster R-CNN等检测网络结合，在增强图像的同时提取目标散射特征，实现端到端的弱目标检测；采用多极化特征融合增强，利用HH极化对金属目标敏感、HV极化对植被体散射敏感的特性，融合不同极化通道的特征，放大目标与背景的差异，在信杂比低于3dB的场景下，目标检测率可提升至90%以上。
5. 多维度数据融合增强技术
通过多维度数据融合，进一步提升成像质量与场景解译能力：一是多极化、多视、多时相SAR数据融合，充分利用不同维度数据的互补特性，平衡分辨率与噪声抑制效果，去除环境杂波干扰，提升动态目标的可观测性；二是SAR与红外/微光光学数据融合，将SAR的全天时全天候优势与红外/光学的目标特征优势结合，通过像素级、特征级、决策级的融合算法，提升低照度场景下的图像解译能力，适配夜间搜救、安防侦察等场景的需求。
三、实验验证与性能分析
为验证上述全链路增强技术的性能，采用自研的
无人机载微型SAR系统开展实验，系统核心参数为：X波段，重量1.8kg，功耗8W，最大带宽300MHz，距离向/方位向分辨率0.5m，搭载于六旋翼无人机，飞行高度500m，飞行速度8m/s。
实验设置两类典型低照度场景：1. 夜间城市郊区场景，低光照、轻度雾霾，包含车辆、人员、小型建筑等目标；2. 沙尘野外场景，沙尘浓度1000μg/m³，能见度不足200m，包含植被覆盖车辆、小型船只等目标。实验对比了传统成像算法与全链路增强算法的成像性能，量化指标如下表所示：
|
性能指标
|
传统算法（夜间场景）
|
增强算法（夜间场景）
|
传统算法（沙尘场景）
|
增强算法（沙尘场景）
|
|
信杂比（SCR）
|
4.2dB
|
19.6dB
|
2.8dB
|
17.3dB
|
|
等效视数（ENL）
|
2.1
|
8.7
|
1.8
|
7.9
|
|
图像对比度
|
12.3
|
35.6
|
9.7
|
31.2
|
|
弱目标检测率
|
58.7%
|
96.2%
|
42.3%
|
91.5%
|
实验结果表明，本文提出的全链路增强算法，在夜间与沙尘低照度环境下，可将图像信杂比提升14dB以上，等效视数提升4倍以上，弱目标检测率提升40%以上，有效解决了低照度环境下微型SAR成像质量差、弱目标无法识别的问题。
四、典型应用场景
1. 夜间安防与反恐维稳
在夜间、弱光照环境下，无人机载微型SAR可实现大范围隐蔽侦察，通过成像增强技术清晰识别人员、车辆、临时建筑等目标，为反恐行动、边境巡逻、非法越境监测提供实时情报支持，弥补了光学载荷夜间无法工作的短板。
2. 应急救援与灾害监测
地震、洪水、泥石流等灾害发生后，往往伴随阴雨、雾霾等恶劣气象，夜间搜救需求迫切。微型SAR通过成像增强技术，可穿透灾害废墟、植被覆盖，找到被困人员与受损设施，实现全天时全天候的灾情监测与搜救引导，大幅提升应急救援效率。
3. 海洋与内河监管
在夜间、雨雾天气下，海面、内河的小型渔船、非法采砂船、走私船等弱散射目标，传统光学载荷与岸基雷达无法有效识别。微型SAR通过成像增强技术，可实现大范围海面成像，清晰识别小型目标，为海洋权益维护、内河监管提供技术支持。
无人机载微型SAR凭借全天时、全天候、小型化的优势，已成为低照度环境下遥感成像的核心装备。针对其在低照度环境下的成像核心挑战，本文构建了从射频前端、信号域、成像域到图像域的全链路成像增强技术体系，通过实验验证了该体系可大幅提升低照度环境下的成像质量与弱目标检测能力。
MiniSAR聚焦于微型合成孔径雷达（SAR）制造研发，为用户提供定制化机载SAR、轻型MiniSAR、无人机载MiniSAR、SAR数据采集服务、SAR飞行服务等。如您有相关业务需求，欢迎联系！
150-110-63408