测试测量技术
直播中

王建伟

7年用户 2688经验值
擅长:测量仪表
私信 关注
[资料]

基于BiSAR技术的信道测量方法的理论基础

2.1 引言
   本文提出基于双站合成孔径雷达(BiSAR)技术的信道测量方法的研究动力,来自于近年来对高速铁路无线信道研究的持续关注[56-60],这包括:
   1. 下一代无线通信技术中关于高速铁路通信技术的发展。高速铁路无线通信技术是也5G技术的一个重要部分。不同于常规的通信场景,高速铁路通信系统必须保证列车运行的安全性,又要满足乘客高速数据业务的需求,这给高铁无线通信技术的发展带来很多挑战。
  2. 高速铁路环境下的信道测量不易开展。在不影响当前列车运行安全的前提下,布局信道探测设备,完成信道测试并不容易。这也是当前高铁信道测量中大都获取的是信道衰落和时延的特征,而很少关于MIMO空域特征的实测数据。
  3. 探索和寻求表征高速铁路信道特征的新方法或更有效的方法。高铁通信场景涉及高架桥、路堑、隧道等多种典型信道环境,如何更好地表征这些差异性很大的场景信道特征,值得进一步探索。
  4. 建立三维的高铁信道模型。LTE-R是当前对下一代高速铁路无线通信系统技术规范研究关注的热点[7,8]。未来高铁无线通信系统采用MIMO-OFDM 作为物理层技术的可能性极大,因此建立一个基于完全三维的信道特征的空间信道模型,是非常有必要的。
  本文的工作正是以高速铁路无线通信应用为背景,运用双站 SAR 的场景重构技术,定位通信信道中的散射体,完成信道的测量。为此,本章首先从三个方面综述相关的研究工作情况:2.2 节给出近年来铁路信道测量和建模的研究现状;2.3 节给出空间信道测量和建模的研究现状;2.4 节将给出双站合成孔径雷达的相关技术。然后从系统模型、空间分辨率分析和 BiSAR 时域成像算法给出基于 BiSAR 技术的信道测量方法的理论基础。
   2.2 高速铁路信道测量技术发展综述
   高速铁路已成为横跨欧洲和亚洲的主要交通运输大动脉。为了满足日益增长的大量铁路非安全数据业务的需求,如视频监控、服务于旅客的高速数据业务和列车日志传送等等,研究者们正努力探索新的制式标准来提升 HSR 的无线通信性能。GSM-R(the Global System for Mobile Communications – Railway )铁路数字移动通信系统是目前应用较为广泛的无线制式标准[60],它是基于成熟的公共无线通信网络 GSM 的技术,作为铁路专用的通信网络,覆盖到地面设备和车载设备,为它们提供连续、双向的数据和语音传输。这是欧洲铁路运输管理系统(ERTMS)的一个子系统,主要用于列车和铁道管理中心的通信。GSM-R 可以满足当列出速度达到 500 公里/小时(310mph)时保证没有通信损失。
  尽管 GSM-R 无线标准在 2000 年引入时是一场革命性的技术更新,然而相比现代移动通信系统,如 LTE 和 LTE-A,它所提供的吞吐量和信道容量是相当低的,数据带宽仅 200 kHz[61]。这显然已经无法满足未来高速铁路无线通信业务发展的需求。在寻求新的技术体系的研究中,关注度最高的就是 LTE-R 系统。
   文献[62]中讨论了基于 LTE 的高速铁路移动通信系统,分析了其网络架构,包括接入网络和核心网络技术;探讨了调制、编码、OFDM 和 MIMO 以及信道估计等关键技术;给出了从 GSM-R 到 LTE-R 的可行性研究结论。同时文中也指出了从 GSM-R 到 LTE-R,不是简单的功能扩展,而是涉及到从物理层到系统层的多项技术的更新,亟待大量的研究探索。
   可以看到,与 GSM-R 不同的是,LTE-R 几乎可以确定的是采用 LTE 空中接口的 OFDM-MIMO 的信号方案,从而取代 GSM-R 中相对简单的高斯最小相位键控(Gaussian Minimum Shift Keying,GMSK)技术。这也意味着,LTE-R 技术在选择合适的系统参数、评估系统的性能和开发合适的调制方案过程中,需要比 GSM-R 系统更为复杂和详尽的空间信道模型。特别是,新的空间信道模型更依赖于信道中散射体的空域分布,及它们如何影响 MIMO 系统的性能。
  文献[63]利用了一个混合的高速铁路信道模型来评估 LTE-R 的性能。采用的仿真信道模型整合了三种信道模型资源:WINNER II 中基于欧洲高速铁路背景测试得到的多径衰落信道模型 D2a[27];3GPP 中的的高速列车信道模型[25];基于国内郑州-西安高速铁路测试中获得的大尺度路径损耗模型。文中给出了不同的 MIMO 配置、调制模式和列车运行速度下的 LTE-R 系统性能。尽管这里给出的结论非常有参考价值,文中也指出获取更准确的高速铁路信道模型非常有必要,建议采用更好的方法来收集和处理基于高速铁路信道的实测数据。
   文献[64]总结了在高速铁路信道环境下无线通信技术发展所面临的挑战。该文献首先从技术变革的角度以及市场和用户的需求方面,概述了 LTE-R 发展的历史和动机;然后详细分析了铁路移动通信系统和共用陆地移动通信系统之间的差异,包括通信环境的多样性和复杂性、高速的移动性、通信质量的高安全性和频段所受的干扰性等因素。其中,关于场景的多样性,作者在另一篇相关文献[65]中定义了 12 种典型的 HSR 场景,包括高架桥、路堑、隧道、车站,以及河流/湖泊/海洋、城区、郊区、乡村、山区、沙漠、车厢、混合应用等通信环境,这也再次意味着进行 HSR 信道测量和建模是一项艰巨而又复杂的工程。图 2-1 给出了部分典型高铁应用的场景。文献[64]还考虑了未来 HSR 通信中的一些关键技术,包括选择适当的工作频段、完善 LTE-R 标准规范、对非静态和可视稀疏信道特性的特征,列车间(train-to-train,T2T)通信的实现以及 5G 技术中的 HSR MIMO 研究。

   高速铁路大规模的布局和运行以来,吸引了众多研究者的兴趣。除了上述的文献以外,还有不少关于高速铁路的信道测量和建模的文献综述。这里将简单描述三篇比较有代表性的文献的主要贡献。
   文献[66]的作者给出了 2012 年的 HSR 研究进展。文献描述和分析了多种 HSR 场景(比如高架桥和路堑)的信道测试和建模,分析了研究者所面临的挑战。文中罗列了国内 HSR 测试的详细情况,测试地点包括北京-天津高铁沿线的高架桥场景、郑州-西安高铁沿线的的高架桥场景、和郑州-西安高铁沿线的路堑场景,提取的信道特征参数包括路径损耗(path loss,PL)、阴影衰落(shadow factor,SF)、 Ricean 分布 K 因子、多普勒频率(Doppler frequency,DF)和均方根时延扩展(RMS delay spread,DS)。文中最后描述了一个采用 WCDMA(wideband code division multiple access)探测信号,通过在覆盖区域相对较短的记录时间内提高信道辨识度的测量方法。
   文献[56]的作者综述了截止到 2016 年的有关高速铁路 HSR 测量和建模的最新研究成果。文中详细总结了国内外 HSR 信道测量的情况,划分了多种 HSR 信道传播场景,涉及平坦区域、高架桥、路堑、山区、隧道和车站等多个不同的典型铁路信道环境。同时,这些信道测量涉及到不同的频段、不同的带宽、不同的列车速度和不同的天线配置(绝大多数是单天线),文献也比较了这些研究工作者用到的测量设备的配置和参数。该文献也详细描述了信道测量的结果,主要涉及的信道统计特性,包括大尺度衰落、小尺度衰落和空时信道变化特性,提取的特征参数除了文献[66]中总结的参数外,还涉及空时信道变化的特征参数,如衰落深度(fade depth,FD)、电平通过率(level-crossing rate,LCR)和平均衰落时间(average fade duration,AFD)等,如表 2-1 所示。不过从表中可以看到,大多该文献中还总结近年来的参考文献中一些重要的 HSR 信道模型,以及这些模型可能应用的场景,重点关注和比较了基于 HSR 小尺度衰落模型的建模方法,如确定性模型、基于几何的随机模型(Geometry-based stochastic channel model, GSCM)和非几何随机模型。最后,文中给出了 HSR 信道测量和建模未来研究的方向,包括表征非静态的 HSR 信道、HSR 信道的统计特性、HSR 多样化的场景,三维 HSR 信道模型, HSR-HSR 通信以及 HSR 系统级的性能。



   

   文献[111]的作者以列车间(T2T)和列车对地间(train-to-ground,T2G)的通信综述了铁路信道环境下的无线技术研究现状。该文献在详细讨论现有列车车厢  内部通信、列车车厢外部通信和当前列车通信技术的基础上,给出了多种可能应用于未来列车中的无线系统和技术,以及它们可能不同的应用场景。该文献还总结了现有的与列车运行相关的建模方法和典型的信道模型,以及不同模型类型的优缺点:确定性模型过渡依赖于特定信道环境、运算量大且难以生成通用模型,好处是可以更好地提供信道的空域特性;非几何随机模型根据信道参数的统计特性,容易生成通用模型,却难以获得信道空域相干特性;基于几何的随机模型则结合了二者的优点,也是目前比较流行的信道建模方法。最后,作者也指出目前文献反映出来的研究漏洞,要么只是针对列车的独立测量,忽略了铁路信道环境;要么只考虑了 T2G 通信,忽略了 T2T 通信;要么考虑了 T2T 通信,忽略了列车的速度和运行频段。因此在未来的研究中,还需要在真正高速列车运行的环境下,无论是总的高速移动还是相对高速移动,全方位地实现对铁路信道传播环境下 T2T 和 T2G 的测量和表征。
   总之,目前大多数的 HSR 信道测量都是单输入单输出(Single-Input Single-Output,SISO)的系统测试[67-69,72-110],关注的也大都是大尺度衰落的信道特征参数。仅有少量的多天线测试场景,如单输入多输出(Single-Input Multiple-Output, SIMO)[70-71]或者多输入单输出(Multiple-Input Single-Output,MISO)[70]。因此,在未来高速铁路无线通信技术的发展中,还需要大量的 HSR MIMO 宽带信道测量,来获取 HSR 信道的多维色散特征信息。
   2.3 空间信道测量技术发展综述
   20 世纪 60 年代,随着空间分集技术的提出,人们开始意识到研究到达接收天线的信号的角度扩展很有必要[112]。90 年代末,随着基于天线阵列的无线通信技术的出现,MIMO 成为了实现高数据率、高系统容量和高传输质量的核心技术[2]。这也就需要根据信道中散射体的分布来确定信道的空时域响应,建立空间信道模型,并以此来评估、设计和优化无线通信系统[10,52]。
   1998 年,Ertel 在文献[20]中全面分析了空间信道建模技术的发展现状,这可以认为是最早对空间信道测量和建模的综述文献。传统的无线多径信道模型仅考虑了信号的时间到达信息(Time-of-Arrival,TOA)。该文献首先将多径分量的波达方向(DOA)信息融入到传统模型中,给出了通用的联合 TOA-DOA 的空间信道模型;并分别分析了微小区和宏小区蜂窝通信场景下 DOA 的分布特点。文献详细描述了多个空间信道模型,这些模型中的 DOA 分布大都满足某种经验性的统计分布特性,如均匀分布[113-115]和高斯分布[116]。而且,这些模型中的空域特征,要么是从基站的角度要么是从用户终端的角度来观察信道环境,还没有考虑到发射机和接收机之间的双向信号传输路径的空域特性。文献最后还给出了一些有关 DOA 的信道测量,基本方法均是机械地转动定向天线来获取 DOA 的数据[117]。
   文献[17]引入了双方向性信道模型的概念。双方向性即指信道模型中同时包含基站和移动终端的角度分布特征:波达方向(DOA)和波离方向(DOD)。这些角度信息可以通过同步通信链路两端的天线阵列获得。该文献详细描述了一个典型的双方向性信道探测设备的配置,其中接收机端采用了一个可切换的开关型线性天线阵列,发射机端采用了一个虚拟的十字交叉天线阵列,如图 2-2 所示。文献介绍了获取测量数据并进行性能评估的详细方案;并给出了测量结果的分析。这篇文献所采用的双方向性信道模型的概念对后续信道研究工作者影响深远,也是目前信道空域特征测量的基本方法。

    国际上各通信标准组织一直在开展信道的测量和建模工作。SCM(Spatial Channel Model)是 3GPP(3 rd Generation Partnership Project)空间信道的简称,是在 2003 年针对 MIMO 空间信道模型发布的最早标准之一[24]。SCM 模型支持的载频为 2GHz,最大带宽为 5MHZ。SCM 支持了郊区宏小区、城区宏小区和城区微小区三种场景。为了适应更大的带宽和不同的载频要求,WINNER(Wireless World Initiative New Radio)在 2005 年发布了 SCM 的增强版本 SCME(SCM Extension) [25]。不过,SCM 和 SCME 的信道模型支持的场景区域非常有限,都没有考虑室内场景。而且,二者在信道的空域特性表征上只涉及到了 DOA 和 DOA 的水平方位角,没有考虑垂直俯仰角。
   WIM1[26]和 WIM2[27]是 WINNER 分别在 2005 年和 2007 年发布的信道模型标准,考虑的场景区域升级到了 7 个和 12 个。其中,WIM2 中的 D2a 模型就是以高速铁路背景建立的。WINNER 信道模型对信道参数的表征更为丰富,包括 DOA 和 DOD 的俯仰角分布。文献[118]对 SCM、SCME、WIM1 和 WIM2 信道模型给出了一个全面的分析比较。这篇文献详细地介绍了这些模型的发展历程。不断增长的实际场景应用需求不断扩充和完善了信道模型所能适应的通信场景,相应地,模型中考虑的信道场景数量和模型参数的灵活变化也随之不断提高。近年来,对信道测量和建模的研究工作也是基于这样的思想在不断地推进。COST(European Cooperation in Science and Technology)信道系列模型,COST 207[119]、COST 231[120]、 COST 259[121-122]、COST 273[123-124]和 COST 2100[29],演变过程就很好地体现了信道测量和建模的方向。

   目前空间信道探测的热点主要体现在三个方面。第一是 5G 毫米波频段的信道测量,如 Rappaport 团队在 28G、38G、60G 和 73G 的信道测试[23,30-32,125]。表 2-2 给出了 Pappaport 团队在不同频段进行 5G 信道测量的硬件平台参数[125],主要涉及中心频率、探测信号参数和天线特性。这里采用的信道测量方法都是基于扩频序列滑动相关的原理,所用的探测信号均是长度为 2047 的 11 阶 PN 序列码。信道测量中采用的收发天线均是可旋转的角锥喇叭天线,只不过不同天线的增益、水平/ 垂直方向半功率波束宽度(half-power beamwidth,HPBW)和极化方式等不一样。通过转动天线的方向,探测不同方位的空间信号,然后对接收到的信号数据进行定位算法处理,从而提取信道的空域特征。不过,从 Rappaport 相关的文献中可以看到,这些信道测试数据提取的信道时域衰落特征偏多。
   第二是大规模天线阵列(massive MIMO)的 3D MIMO 信道测量[126-127, 129],更多地探索垂直空间的信道特征,这种技术也常称为 FD-MIMO(Full-dimensional MIMO)[128]。图 2-3 是文献[127]进行 3D 信道测量的一个实例。图(a)是室外-室内传播场景中信号俯仰角波束传播示意图。如果能够指出用户终端方向的垂直天线方向图,那么用户终端特定的仰角波束就可以增大信号与干扰加噪声比(signal-to-interference-and-noise ration,SINR)。图(b)是进行 3D 信道测量区域的地图和用户终端(Tx)的分布图。A、B、C 代表三栋四层大楼,红色的实心点标注出了 Tx 在对应大楼的每层平面的位置分布。接收机则固定在某四层楼房的屋顶。文献中采用的信道探测平台是由华为和西北工业大学共同开发。收发天线均采用的是均匀平面阵列。为了捕捉 3D 信道空域特征信息,尤其是俯仰角分布,发射端通过高速微波快关在 32 个天线单元的阵列天线中轮流快速切换;接收端从 32 个天线元素中选择两个垂直的均匀线阵来获取多径传播分量信息。

   第三则是特定环境的信道测量,如前一小节讨论的高速铁路无线信道测量。
   除了高速铁路以外,近年来对公共交通传输的信道探测,如汽车、飞机等,也是关注的热点。图 2-4 是文献[130]在欧洲航空防务航天公司的 A307 机舱进行的 60GHz 信道测量布局示意图。机舱长 6.4 米宽 5.6 米,每一行 4 个座椅,两个 0.6 米的过道。测试中考虑了两个接入点配置(access-point-configuration,APC),来对不同的接入点(access point,AP)位置进行测试。APC1 包含了靠近机舱窗户的 AP1 和 AP2,APC2 包含了机舱中部的接入点。图(a)是机舱中接入点配置示意图,图(b)是 AP 和 Tx 的剖面分布图。

   可见,伴随着无线技术的发展,空间信道的测量和建模技术在近几十年得到飞速发展:从低频段到毫米波的高频段、从 2D 场景扩展到 3D 环境、从单天线 SISO 到多天线 SIMO/MISO/MIMO、从单极性到多极性、从静态信道到时变信道、从早期的室外场景到如今的多样化室内室外场景等等。人们一直在努力探索对信道的认识。值得注意的是,在这些信道探测中,信道探测平台的性能是非常重要的,直接影响信道特征参数提取的准确性。
  信道探测平台的搭建主要有三种方式。第一是选择商用无线信道探测仪,如芬兰 Electrobit 的 Propsound 以及德国 MEDAV GmbH 公司的 RUSK 系列。在 WINNER 相关的信道测量中,很多都使用了这些设备。图 2-5 给出的即是 RUSK 信道探测仪[43],可以进行 900MHz 到 66GHz 的宽带信道测量,探测带宽达到 120MHz。不过,商用信道探测仪价格非常昂贵,普及性不高。目前 Propsound 信道探测仪已经停产。同时,由于商用信道探测仪体积较大,也不利于开展大规模的信道测量工作。
  第二是基于现成的仪器设备组装的信道探测平台。图 2-6 是文献[131]由安捷伦 Keysight 设备搭建的 5G 信道测量原型系统框图。其中,M8190A 是超宽带任意波形发生器;E8267D 是毫米波矢量信号发生器;85332B 是毫米波射频开关; M9703A 是 8 通道宽带数字接收机;M9362A 是毫米波下变频器;N5173B 是毫米波模拟信号发生器,作为下变频的振荡器;33512 是任意波形发生器,产生触发信号;Rubidium Clock 用来在收发端进行同步。图中给出的 4×4 MIMO 信道探测系统,支持的频率范围可以达到 40GHz,信号带宽可以达到 1GHz。该文献给出了基于这个 5G 原型平台的一些初步测试工作。不过,这种组装设备的价格也不便宜。好处是选用可靠性能的商用仪器会使得系统性能相对稳定。


   第三是完全自行研发的信道探测平台。图 2-7 是日本东京工业大学研发设计的 4×4 MIMO 信道探测仪[132]。该信道探测仪采用了软件无线电(Software Defined Radio,SDR)技术,面向 MIMO 链路层信道测试而设计。图(a)是设计原理框图;图(b)是系统原型实物图。设计的信道探测仪的中心频率为 11GHz,带宽为 400MHz。每个发射通道的发射功率为 10 mW。ADC(Analog-to-digital Converter)板和 DAC (Digital-to-analogy Converter)板均采用 FPGA(Field-Programmable Gate Array)电路设计,由 Tx/Rx 的底板 CPU 控制。每个接收端配备 8 GByte 的随机存取存储器(Random Access Memory,RAM)用来临时存储接收数据。10MHz 的参考信号同步收发端。自行研发的信道探测平台,灵活性高,场地适应性强,同时成本预算易受控制。缺点是性能上可能会出现不稳定。因此测试之前的系统性能校正非常重要。

   从上面的一些信道探测实例中,也可以发现天线的性能在空间信道测量中是非常重要的。在 MIMO 信道测试中,采用机械方式转动天线来获取不同方向空间信号的测量方法,往往要选择天线的半功率波束宽度尽量窄,以提高空间分辨率,如 Rappaport 团队信道测量中的角锥喇叭天线;采用天线阵列的测试方法,往往需要需要考虑多种因素来选择恰当的天线阵列,文献[133]和[134]都给出了 MIMO 系统中天线选择的优化方法。图 2-8 是 WINNER 信道测试中采用的部分典型天线阵列。其中,图(a)是包含 16 个天线单元的均匀圆形阵列;图(b)是一个双极化 8 个天线单元的均匀线阵列;图(c)是一个球形天线阵列;图(d)是一个平面双极化阵列。

   可见,伴随着无线技术的发展,空间信道的测量和建模技术在近几十年得到飞速发展:从低频段到毫米波的高频段、从 2D 场景扩展到 3D 环境、从单天线 SISO 到多天线 SIMO/MISO/MIMO、从单极性到多极性、从静态信道到时变信道、从早期的室外场景到如今的多样化室内室外场景等等。然而,目前大多数获取 MIMO 信道空域特征的信道测量,要么需要在发射端和/或接收端机械地转动定向天线、要么采用多天线系统,来获取双方向性信道的角度分布信息,如在第一章所讨论的。不过,机械转动定时天线的方法,除了耗时以外,只能测量到静态信道或者较低多普勒频率的信道。同时,随着天线阵列的增大,多天线测试系统需要对收集到的测试数据进行大量的后处理,即使采用高性能的阵列方向估计算法,如 MUSIC[45]、SAGE[48-49]、和 ESPRIT[46],运算量也是一个沉重的负担。然而这些方法还无法适应一些特殊的场景,如高速铁路列车(HSR)运行的通信环境,很难获得这种特定信道环境的空域特征信息。
  2.4 双站合成孔径雷达技术综述
  本文的核心思想是基于信道测量方法和双站合成孔径雷达技术的相似性,探讨将 BiSAR 场景重构算法应用到信道测量中的可行性[135-136]。正如在第一章所提到的,这种技术可以克服传统的基于天线阵列的信道测量方法的很多局限性。为此,这里简要综述 BiSAR 技术和其场景重构算法的发展里程。
  文献[137]详细描述了这一领域的历史和发展现状。20 世纪 50 年代合成孔径雷达(SAR)技术的诞生成为了雷达技术发展史上的一个里程碑。SAR 技术是一种利用脉冲压缩技术和多普勒效应获得二维高分辨的微波成像系统[138]。而且,合成孔径技术可以获得的成像分辨率远远大于真实天线孔径侧视雷达所能获得的分辨率。不过,如何将接收机在其运行轨迹中接收到的信号进行处理,重构目标场景中散射体的强度和位置,来对目标区域进行成像,也成为 SAR 最关键的技术,即设计和实现合理的成像算法。到了70年代末期,数字信号处理技术开始应用于SAR 数据处理,这也为 SAR 技术在接下来几十年的迅速发展提供了强劲动力。
  双站SAR技术的研究开始于70年代。BiSAR是多平台SAR的一种最简形式,它是指收发天线分置于两个不同平台的 SAR 系统。由于收发平台的分离,BiSAR 的几何构型非常灵活。与传统的单站 SAR 相比,BiSAR 技术的优势非常明显:在军事应用上,BiSAR 可以很好地隐藏接收机的位置;在干涉应用上,BiSAR 可以获得长基线,提高高程测量的精度;在地物的分类识别方面,BiSAR 可以更好获得地表粗糙度和介电常数,提高图像的分类和识别能力;在海洋应用领域,BiSAR 可以获得更宽的海洋波谱。

   鉴于 BiSAR 技术的优势,在过去的几十年对 BiSAR 技术的研究引起了国内外的高度关注。尤其是进入 21 世纪以来,由于定时精度、通信技术及导航技术的提高,BiSAR 技术得到飞跃发展。图 2-9 给出的是 BiSAR 应用于卫星遥感遥测示意图[139]。不过,BiSAR 技术的诸多优势是以增加系统的复杂性为代价的。相比单站 SAR,由于 BiSAR 收发系统分置,收发天线性能不同且收发平台间的相对运动,给 BiSAR 技术带来了一些新的难题。比如,系统分辨率的分析和成像处理的算法都变得更加复杂。为了更好地发挥 BiSAR 的效能,其应用潜力也待进一步的研究和开发。
   常规的 SAR 数据处理通常在频域上进行,这样可以充分利用快速傅里叶变换算法的高效计算特性,大大提高 SAR 成像处理算法的效率。然而,对于发射机- 接收机几何拓扑结构相对复杂的 BiSAR 场景,有时候频域处理的算法是不太适合的。而时域 SAR 成像算法不会受限于具体场景的分布,即使 BiSAR 的特殊应用环境,但是却需要负担更大的运算量。
   1989 年,Bauck 引入了 back-projection(BP)算法来重建聚束模式下的 BiSAR 场景[140]。BP 算法最早源于计算机层析(computer tomography,CT)成像技术。该文献分析了不同参数设置下 BP 算法对场景重构的速度和准确度的影响。同年, Cardillo 运用梯度理论对 BiSAR 系统性能分析进行了评估[141],推导了距离向分辨率、多普勒分辨率和方位向分辨率,为此奠定了 BiSAR 系统性能分析的一个理论基础。
   BiSAR 系统的一个优势就是允许发射机和接收机独立选择不同的运动轨迹。但这也使得 BiSAR 数据的处理更加复杂。文献[142]推导了发射机和接收机在任意运行模式下的 BiSAR 向量模型;分析了在空时域中的点目标响应,并利用驻定相位原理将其转换到频域。利用点目标参考频谱中的两个相位项,一个是准单站相位项;另一个是源自双站几何分布的双站变形项,将频域中两个相位的相乘关系对应到空时域中的卷积关系,意味着双站数据集可以表示为一个单站数据集映射的卷积。这表明 BiSAR 的聚焦过程可以分解为两个步骤,先进行双站变形的补偿,再进行准单站处理。
  文献[143]考虑了固定发射机和机载接收机情况下的双站 SAR 成像技术。在这种 BiSAR 场景下,只有移动的平台会对方位调制有贡献,而固定的平台会在同样的距离范围内对目标距离徙动引入距离偏移。由于距离偏移依赖于具体的位置,传统的 SAR 场景重构算法就会失效。该文献提出了一个频率域的算法来解决 BiSAR 数据的聚焦处理和 BiSAR 场景的重建。不过这种方法只适用于坐标相关的距离偏移不是很大的情况。
  文献[144]中提到通用型 BiSAR 无法从较低分辨率的单站 SAR 的两个主要特性中获益,一是方位不变性;二是地形不敏感。对于方位向变化和依赖拓扑结构的两个特点,很难从频域得到有效的场景重构算法,而行之有效的是采用时域方法。对于通用双站 SAR 的成像,该文献提出了一个有效且实用的高效时域成像算法。该算法与单站快速 BP 算法(fast-factorised backprojection ,FFBP)采用了共通的结构,即基于子孔径处理的方式。将不同子孔径计算得到的成像场景依据其拓扑结构放置在椭圆坐标体系中来合成成像结果,与依赖于拓扑结构的单站 SAR 算法一样。该算法通过仿真和实际双站 SAR 数据应用进行了验证。因此,该文献说明了在通用双站配置结构下获取的 SAR 数据可以很好地在时域进行有效的聚焦处理。
   文献[145]指出一端固定的双站侧视 SAR(OS-BiSAR)比起方位向保持不变的双站 SAR 数据处理面临更多的挑战,这是因为 OS-BiSAR 种存在二维的空间变异特征。为此,该文献提出了一个扩展 keystone 变换(EKT)的非线性 chirp scaling (NLCS)算法来解决这个问题。其关键步骤是对距离徙动的二维空间变异特征进行两次 EKT 处理,并利用相关的非线性 chirp scaling 算法来均衡该二维多普勒调频率空间变异。这样,OS-BiSAR 原始数据即使在二维空间变异的情况下也能很好地被聚焦处理。该文献给出的仿真结果也验证了所提出算法的有效性,不过该算法也仅限于文中提到的 OS-BiSAR 场景。
   文献[142]系统概述了任意平台轨迹的双站 SAR 场景重构技术。相比单站 SAR 系统,BiSAR 灵活性更大、性能更好且成本效益更高,但代价是操作的复杂性。尽管 BiSAR 是未来遥感遥测任务中非常有价值的技术,但是有效性和准确性依然是双站 SAR 成像面临的巨大挑战。该文献描述了双站 SAR 场景重构技术的发展,分别从频域成像和时域成像讨论了不同双站几何布局下相关方法的优缺点。同时也指出 BFFBP(bistatic fast-factorized backprojection)算法是能够适应于任何 BiSAR 场景的高准确性且较高效的算法。
  总体来说,对于 BiSAR 成像技术,相比频域的成像算法,时域 BP 算法因为其准确度高、场景适用性强而备受关注。大量快速算法的研究也在尽力提高其运算效率[144,146]。大多数关于 BiSAR 的前期工作更多关注的是当发射机和接收机远离地球表面的场景[147]。尽管 BiSAR 的几何结构灵活,应用范围很广,不过目前还没有看到将其应用于信道的测量。在文献[148]中,SAR 概念应用到了一个虚拟的天线阵列实现中。文献[149]中采用了 Kirchhoff 徙动方法来获得一个射线光学传播模型中的几何参数。不过,这些方法都不是基于系统 SAR 技术来实现信道的测量。
   2.5 BiSAR 技术基础
   信道测量是获取通信信道环境特征最直接也是最有效的方法。无论是采用时域探测技术,还是频域探测技术,信道测量都是在发射端发送某个已知的时域信号或者频率信号,将接收端将接收到的信号与发送的信号相对比,来获取信道特征。这与采用雷达技术探测目标的原理非常相似。只不过在雷达应用中,更多的是通过将截获的回波信号进行特殊处理,生成感兴趣的目标区域图像。可见,二者的最终目的虽然不同,但原理相似。本文正是将信道测量问题投影到 BiSAR 成像空间,借助 BiSAR 成像技术对信道散射体成像定位,从而提取信道特征参数。
   为此,这里简要给出 BiSAR 技术的系统模型、空间分辨率分析和典型时域成像算法。
   小结
  高速铁路通信系统是下一代无线技术发展的重要内容,基于测量的 HSR 信道模型又是对 HSR 无线系统性能评估的根本出发点。然而,要完全表征 HSR 信道对信道建模者来说却是一个非常大的挑战,因为 HSR 多样性的信道场景需要采集大量的测试数据。目前大多数的 HSR 信道测量都是单输入单输出(SISO)的系统测试,关注的也大都是大尺度衰落的信道特征参数;仅有少量的多天线测试场景,如单输入多输出(SIMO)或者多输入单输出(MISO)。因此,在未来高速铁路无线通信技术的发展中,还需要大量的 HSR MIMO 宽带信道测量,来获取 HSR 信道的多维色散特征信息。同时,对于信道测量工作者来说,即便是满足列车操作者的需求,不影响列车行车安全的前提下,布局且最小化 HSR 信道探测的设备,确保对列车行车的干扰最小,也是一个巨大的挑战。
   伴随着无线技术的发展,空间信道的测量和建模技术在近几十年得到飞速发展:从低频段到毫米波的高频段、从 2D 场景扩展到 3D 环境、从单天线 SISO 到多天线 SIMO/MISO/MIMO、从单极性到多极性、从静态信道到时变信道、从早期的室外场景到如今的多样化室内室外场景等等。人们一直在努力探索对信道的认识。目前,大多数获取 MIMO 信道空域特征的信道测量,要么需要在发射端和/ 或接收端机械地转动定向天线、要么采用多天线系统,来获取双方向性信道的角度分布信息。不过,机械转动定时天线的方法,除了耗时以外,只能测量到静态信道或者较低多普勒频率的信道。同时,随着天线阵列的增大,多天线测试系统需要对收集到的测试数据进行大量的后处理,即使采用高性能的阵列方向估计算法,如 MUSIC、SAGE、和 ESPRIT,运算量也是一个沉重的负担。然而对于一些特殊的场景,如高速铁路列车(High-Speed Railway,HSR)无线信道环境,除了高速移动性以外,极高的安全性要求也让信道测量工作者难以在现有的 HSR 运行平台上布局复杂的信道探测设备,使得传统的信道测量方法难以实施。
  空间信道建模最主要的任务就是总结在系统仿真和设计中要用到的有效的测量数据。一个很流行的方法就是利用几何的方法考虑大尺度衰落结构下的小尺度衰落统计模型,表征所谓的双方向性信道。正如前面分析的,采用机械的方式转动通信链路两端的定向天线,非常耗费时间。因此,空间信道测量面临的一个主要挑战,就是通过一种时间有效的方式来实现双方向性信道的测量。这也是本文研究的目的。
  无线信道测量和双站 SAR 技术之间的相似性是显而易见的。BiSAR 场景重构的算法可以弥补许多传统空间信道测量技术的不足。不过,早期 BiSAR 场景重构算法的发展也受到发射机-接收机几何分布的信道时变特性的影响,以及单个目标聚焦处理的问题。同时,相比传统 SAR 分布较一致的分辨率,BiSAR 场景中目标区域的分辨率的变化性是很大的。不过,通过引入时域的成像技术,利用多普勒聚焦处理算法,以及在计算能力上的进步,使得 BiSAR 成为了一种实用的探测技术。这也为其在本文的研究应用提供了理论基础。
购线网www.gooxian.com 专业定制各类测试线(同轴线、香蕉头测试线,低噪线等)。

回帖(2)

liming

2018-3-23 18:13:07
学习学习,感谢分享
举报

王建伟

2018-3-26 09:53:27
引用: seawalker 发表于 2018-3-23 18:13
学习学习,感谢分享

感谢支持!
举报

更多回帖

发帖
×
20
完善资料,
赚取积分