双站SAR回波仿真与非线性CS成像的Matlab实现解析

简介：本资源是一套面向雷达信号处理与SAR成像研究者的Matlab源码实现，聚焦双站合成孔径雷达（Bi-Static SAR）系统建模、回波仿真及非线性压缩感知（CS）高分辨率成像全流程。针对双站几何下斜距时变、空变多普勒特性等难点，提供从电磁传播建模、运动补偿到稀疏重构的完整算法链，特别适用于稀疏目标场景下的方位模糊抑制与欠采样重建。压缩包共7个.m文件，涵盖双站斜距计算（含公式法与数值法）、回波仿真主程序、非线性RCM校正、NLCS成像核心模块等关键脚本，总大小仅10KB，轻量易读、结构清晰，便于算法原理验证与教学演示。目前已有20人学习下载，读者可直接运行复现双站SAR回波生成与非线性CS成像结果，快速掌握感知矩阵构建、L1正则化优化求解及稀疏基适配等核心技术要点。 SAR成像处理的老读者应该都清楚，Chirp Scaling（CS）算法在星载和机载单站SAR里已经是非常成熟的方案了。但项目一换成双站SAR，事情就没那么简单了——发射站和接收站不在同一个平台上，回波的距离历史变成两条独立双曲线的叠加，直接用单站CS算法做聚焦，图像会出现明显散焦，尤其是场景偏离中心的时候。今天这篇文章要聊的内容，就是从零搭一套Matlab环境下的双站SAR回波仿真与非线性CS成像处理流程。它解决的是这么一个问题：在收发分置的几何构型下，如何生成符合物理规律的SAR原始回波仿真数据，再通过非线性调频变标（Nonlinear Chirp Scaling，NCS）把点目标高质量地聚焦起来。适合正在做SAR成像方向课程设计、毕业设计，或者在工程里需要快速验证双站SAR构型效果的读者。

1. 项目整体设计与思路拆解

1.1 双站SAR的基本构型与价值

双站SAR，也就是双基地SAR，核心特征就是把发射机与接收机分别放在两个不同的平台上。发射站和接收站可以是一颗卫星加一架无人机、两架飞机，也可以是地面固定站加车载平台。相比大家都熟悉的单站SAR，双站构型带来的最大好处是接收站可以被动工作，不发射信号，因此在战场侦察、抗干扰、前视成像这些场景里优势非常明显。

但从信号处理角度看，这个“收发分置”就是个麻烦的开端。单站SAR里发射机和接收机位置重合，回波路径是一条往返双程的直线，计算斜距时非常直接；双站SAR必须分别计算发射站到目标的距离Rt(t)和接收站到目标的距离Rr(t)，两者相加才是完整的距离历史。这导致回波的相位变化规律和距离徙动特性完全变样，经典算法不能直接套用。

我记得自己第一次拿到双站SAR回波数据时，随手就按单站CS流程去成像，结果点目标全糊成一片，根本看不出聚焦效果。后来反思才发现，问题的根源在于双站SAR的距离历史是两个非线性函数的叠加，等效距离曲线不再是标准的单站双曲线形式。这个认知差别是整个工程设计的出发点。

1.2 为什么单站CS在双站构型下会失效

要理解非线性CS算法出现的必要性，必须先搞清楚线性CS到底在解决什么问题。传统CS算法在距离频域-方位时域对信号施加一个调频变标函数，利用目标距离徙动曲线之间的相似性，把所有距离门的徙动轨迹“拉齐”，再做一致的距离压缩和徙动校正。这套逻辑成立的前提，是每个点目标的距离历史可以被统一建模为标准双曲线，且距离向调频率随方位时间的变化可以忽略。

双站SAR打破了这个前提。发射站和接收站的相对运动关系不同，不同目标在场景中的距离历史差别会明显增大，距离向调频率和方位向调频率之间出现高阶耦合。线性CS只能处理到二次项的耦合关系，遇到三次及以上的非线性耦合项时，残余相位误差会随场景范围扩大而快速积累。最直接的体现就是图像边缘目标散焦、旁瓣升高、分辨率下降。

尤其是当发射站与接收站速度不一致，或者飞行方向存在夹角时，等效单站参数这个概念本身就不成立了。项目里的仿真构型如果属于中等斜视且收发站速度有差异，硬套单站CS的结果就是点目标冲激响应严重展宽。所以需要显式地把高阶耦合项建模出来并逐一补偿。

1.3 NCS算法选型的三个关键理由

既然单站CS不适用，那为什么不直接上距离多普勒算法（RDA）或者波数域算法（ωK）呢？NCS在双站SAR场景下胜出，主要基于三点。

第一是精度和计算量的平衡。RDA在距离徙动校正时依赖插值，双站SAR的徙动曲线比单站更复杂，插值核设计稍有不慎就会引入误差；ωK算法则需要精确的二维频谱表达式和Stolt插值，虽然精度高，但实现复杂度也高。而NCS的核心操作是FFT和复乘，计算复杂度是O(N² logN)，工程实现简单，迭代验证非常快。

第二是对斜视构型的适应能力。NCS通过级数反演把二维频谱展开到三阶甚至四阶，可以显式地补偿距离频率与方位时间的中高阶耦合项。这意味着在中等斜视、收发站速度差在一定范围内的双站构型里，NCS能获得接近理论极限的聚焦效果。

第三是参数物理含义清晰，可解释性强。NCS的每个中间滤波器都有明确的物理对应——哪个项在补偿距离走动、哪个项在修正二次距离压缩、哪个项在做残余相位均衡，调试时定位问题非常方便。这一点在实际工程里比单纯追求理论精度更重要，因为你要能快速判断是算法错了还是参数设错了。

2. 双站SAR回波仿真模块

2.1 几何建模与仿真参数设计

仿真参数是整个工程的“地基”，参数设计不合理，后面算法跑得再顺也没有意义。我在这个项目中采用的默认参数如下表所示，这是一个中等分辨率的X波段机载双站SAR典型配置。

距离向采样率的选择要满足奈奎斯特采样定理，对线性调频信号一般要求Fs ≥ 1.2B，这里取140MHz，留了约17%的余量。PRF的选择则要考虑方位向多普勒带宽，对于场景中心点目标，合成孔径时间内产生的多普勒带宽通常不超过几百赫兹，1000Hz的PRF能够保证不模糊采样。

2.2 回波信号的数学表达与物理含义

假设发射站和接收站都发射/接收线性调频信号，发射信号可以写成：

s_t(τ) = rect(τ / Tp) · exp(jπKr τ²) · exp(j2πf0τ)

其中τ是快时间，Kr = B / Tp是距离向调频率。信号经目标散射后被接收站收到，二维回波在基带可表示为：

s_r(τ, t) = σ · rect((τ - R_bi(t)/c) / Tp) · wa(t) · exp(-j2π f0 R_bi(t)/c) · exp(jπKr(τ - R_bi(t)/c)²)

这里R_bi(t) = Rt(t) + Rr(t)是双站距离历史和，t是慢时间，c是光速，σ是目标散射系数，wa(t)是方位向天线方向图调制。

注意exp(-j2π f0 R_bi(t)/c)这一项，它携带了方位向多普勒信息，是方位聚焦的关键；exp(jπKr(τ - R_bi(t)/c)²)则是距离向线性调频项，用来做距离压缩。整个回波仿真的核心，就是精确计算每个目标随慢时间变化的R_bi(t)，再按时延叠加到回波矩阵里。

2.3 Matlab回波生成实现与加速技巧

回波仿真最容易写得太慢。最朴素的写法是三重循环：遍历目标、遍历方位慢时间、再遍历距离快时间。数据量小还能忍，一旦目标数量超过10个、方位点数超过2000，跑一次能等上十分钟。

我在工程里推荐的策略是：先用meshgrid生成距离快时间轴和方位慢时间轴，再对每个目标用向量化方式计算整条距离历史曲线，最后把每个方位时刻的时延脉冲叠加到回波矩阵。下面这段代码就是raw_signal.m里的核心逻辑：

% raw_signal.m 核心片段 tau = (0 : N_rg - 1) / Fs; % 距离向快时间轴 ta = (0 : N_az - 1) / PRF; % 方位向慢时间轴 raw = zeros(N_az, N_rg); for k = 1 : numel(tg_x) % 双站距离历史：发射站分量 + 接收站分量 R_bi = sqrt((v_tx * ta - tg_x(k)).^2 + (0 - tg_y(k)).^2 + H_tx^2) ... + sqrt((v_rx * ta - tg_x(k)).^2 + (y_rx0 - tg_y(k)).^2 + H_rx^2); for i = 1 : N_az tau_delay = R_bi(i) / c; phase = -2 * pi * f0 * tau_delay + pi * Kr * (tau - tau_delay).^2; valid = abs(tau - tau_delay) <= Tp / 2; raw(i, :) = raw(i, :) + exp(1j * phase) .* valid; end end

这段代码已经避免了对距离维的逐点循环。如果目标数量继续增大，还可以考虑把目标层循环也拆成矩阵运算，或者用parfor并行。需要注意一点，parfor里要确保raw矩阵的叠加操作不产生写冲突，最稳妥的做法是每个worker计算独立的局部回波，退出循环后再统一合并。

2.4 仿真时的一个关键细节：参考距离

回波仿真时往往要做距离向去斜或者基带化处理，这就涉及参考距离R_ref的选择。本工程里R_ref取场景中心到收发站的距离之和。选它有两个作用：一是保证目标回波的时延差落在脉冲窗内，避免回波截断；二是将距离向处理的中心频率对齐到场景中心，减少动态范围要求。

如果在仿真阶段R_ref取得不对，回波可能整体偏移出数据窗，或者距离压缩后的信号出现绕卷。调试时如果发现图像中有“假目标”或目标位置偏移，先回去检查R_ref是否合理。

3. 非线性CS成像处理核心流程

3.1 二维频谱推导与级数反演

NCS算法的起点，是得到一个足够精确的二维频谱解析表达式。方法很成熟：先对回波沿距离向做FFT，得到距离频域-方位时域信号；再用驻定相位原理（POSP）或者级数反演法（Method of Series Reversion，MSR），把方位向积分处理成显式形式。

因为双站SAR距离历史不是标准双曲线，直接做POSP常常得不到简洁的闭合解。本工程采用MSR，先把双站距离历史在方位时间零点附近做泰勒展开：

R_bi(t) ≈ R0 + k1·t + k2·t² + k3·t³ + ...

这里k1对应距离走动项，k2对应距离弯曲项，k3对应高阶非线性项。然后把展开系数代入相位表达式，通过级数反演得到二维频谱的驻定相位点，最终把频谱相位展开为距离频率fr的幂级数形式：

φ(fr, fta) ≈ φ0(fr) + φ1(fr)·fta + φ2(fr)·fta² + φ3(fr)·fta³ + ...

每一项都有明确的物理含义。φ1(fr)里的线性项对应目标的方位位置，φ2(fr)对应方位调频率，φ3(fr)则体现了双站构型特有的三次相位耦合。NCS要做的，就是把这些耦合项一一补偿掉。

3.2 非线性变标函数设计

现在到了NCS有别于线性CS的核心环节。线性CS在距离频域-方位时域施加的变标函数是二次相位形式，而NCS额外引入三次及以上的相位扰动。这个扰动函数可以表示为：

H_ncs(fr, ta) = exp(jπ·q2(ta)·fr² + jπ·q3(ta)·fr³ + ...)

其中q2和q3是根据双站几何参数算出的系数。q2的作用和线性CS类似，负责将不同距离门的距离徙动曲线归一化；q3则是专门针对双站SAR中距离调频率随方位时间变化的问题设计的。

为什么要加三次相位项？可以这么理解：线性CS假设所有目标的距离徙动曲线是“平行”的，只是平移关系；双站SAR中由于收发站分离，各目标的距离徙动曲线不仅平移，形态也在变化。q3相位项会先把这种形态变化“抹平”，让后续的一致性操作成立。

在实际实现中，我把q3的表达式单独写成了一个函数，输入是双站速度、斜距和多普勒参数，输出就是对应的相位系数。调试时只要打印这个系数随方位时间的变化曲线，就能判断双站构型带来的非线性有多强，从而预估NCS相比线性CS能带来多少增益。

3.3 完整成像流程

本工程NCS成像主流程如下：

1. 对原始回波做距离向FFT，转换到距离频域-方位时域；
2. 乘以距离匹配滤波函数，同时补偿二次距离压缩项；
3. 乘以非线性CS变标函数，将距离徙动曲线一致化；
4. 距离向IFFT，回到距离时域-方位时域；
5. 在距离-多普勒域做距离单元徙动校正；
6. 方位向匹配滤波，完成方位压缩；
7. 方位向IFFT，输出聚焦后的SAR图像。

其中第3步是NCS与线性CS的分水岭。如果把这一项直接去掉，整个流程就退化成线性CS的实现版本，正好可以用来做对比实验。

3.4 聚焦质量评价

主观看图只能出个大概印象，工程上必须用数值指标说话。我在metrics_eval.m里实现了三个经典指标：峰值旁瓣比（PSLR）、积分旁瓣比（ISLR）和冲激响应宽度（IRW）。PSLR理想点目标响应应接近-13.26dB，ISLR一般要求低于-10dB，IRW则要与理论分辨率进行对比。

仿真时我习惯把同一份回波分别跑线性CS和NCS，然后统计距离向和方位向的三项指标。在中等斜视双站构型下，NCS的方位向PSLR通常会比线性CS好3dB以上，IRW也更接近理论值。这个对比结果非常直观，能佐证NCS对高阶耦合补偿的实际效果。

4. Matlab工程实现与代码框架详解

4.1 工程文件结构

整个工程如果堆在一个脚本里，后期改参数很容易改出莫名其妙的bug。我建议按功能拆成独立文件，每个文件只负责一件事。本项目的文件组织如下：

BiSAR_NCS/ ├─ main_script.m % 主程序入口，按顺序调度各模块 ├─ config/ │ └─ param_define.m % 所有系统参数的集中定义 ├─ geometry/ │ └─ geometry_init.m % 收发站与目标坐标初始化 ├─ simulation/ │ └─ raw_signal.m % 双站SAR回波仿真 ├─ imaging/ │ └─ ncs_imaging.m % 非线性CS成像处理 ├─ plot/ │ └─ plot_result.m % 成像结果可视化 └─ eval/ └─ metrics_eval.m % 聚焦质量指标计算

main_script.m做总控，依次调用param_define、geometry_init、raw_signal、ncs_imaging、plot_result和metrics_eval。这样每次只动一个文件，出问题能快速定位。

4.2 参数初始化与关键配置

param_define.m里集中定义了第三节表格中的所有参数，并自动派生一些常用量，比如调频率Kr、距离向点数N_rg、方位向点数N_az。这里有一个我反复踩过的坑：距离向采样点数的计算方式。

距离向点数要覆盖整个回波窗，不能只按脉冲宽度算。正确的思路是：距离向最大时延差再加上脉冲宽度，再乘以采样率。代码里可以这样写：

R_max = sqrt((v_tx*T_a)^2 + Y_max^2 + H_tx^2) + sqrt((v_rx*T_a)^2 + (Y_max)^2 + H_rx^2); R_min = sqrt((0)^2 + Y_min^2 + H_tx^2) + sqrt((y_rx0)^2 + Y_min^2 + H_rx^2); N_rg = ceil(((2*(R_max - R_min)) / c + Tp) * Fs);

如果N_rg算小了，回波会截断，距离压缩后的图像边缘会出现卷绕。宁可多取一点，后面用切片截取需要的区域。

4.3 Matlab实现中的几个关键坑

• FFT之后必须配合fftshift：Matlab的FFT结果默认零频在数组第一个点，如果不做fftshift，滤波器的频带位置极其容易写错，表现就是信号频谱被搬移到边缘，距离压缩后出现“重影”。

• 方位时间轴要对齐发射站和接收站位置：发射站和接收站的位置数组必须与慢时间ta一一对应。很多回波乱码的问题都出在这个细节上，尤其是两个平台速度不同时，位置更新公式要分开写。

• 单精度与双精度选择：算法验证阶段不要用single，避免相位误差累积；如果数据量实在太大，再考虑转single，但要重新检查PSLR是否满足要求。

• 矩阵预分配：raw矩阵在循环前用zeros预分配，否则Matlab会在循环里反复扩充内存，速度会慢到无法忍受。

4.4 成像结果可视化技巧

成像结果的显示质量直接影响“效果”传达。直接画abs(img)会把动态范围压缩得很小，旁瓣和主瓣都看不清。我的做法是先做归一化，再取20*log10转成dB，然后限制30dB动态范围。

img_db = 20 * log10(abs(img_azi) / max(abs(img_azi(:)))); imagesc(range_axis, az_axis, img_db); colormap(jet); caxis([-30 0]); xlabel('Range (m)'); ylabel('Azimuth (m)'); axis xy;

这样处理后，点目标的主瓣、第一旁瓣和背景底噪能在一张图里清楚地呈现，论文插图也直接可以用。

5. 常见问题与调试心得

5.1 回波仿真阶段的典型问题

回波仿真阶段的问题，绝大多数都能归结为“坐标轴没对齐”或“数据窗尺寸不对”。如果仿真回波看起来不对，先画出双站距离历史曲线和时延曲线，和理论值对比，就能快速发现问题。

5.2 成像结果散焦的排查思路

散焦问题是最让新手头疼的。我的建议是不要在一张最终输出图上瞎猜，要把每个中间阶段的输出都可视化出来，逐级排查。

• 距离压缩后目标轨迹仍然弯曲，说明距离单元徙动校正没做或参数错了；
• 距离压缩正常但方位压缩后散焦，重点检查方位匹配滤波器参数和多普勒中心频率估计；
• 所有流程看似正常但目标偏移且展宽，大概率是多普勒中心频率估算偏差；
• 图像斜向拉伸或旁瓣不对称，优先怀疑NCS扰动函数的相位符号。

我在调试时专门写了一个debug脚本，把距离频域-方位时域、距离压缩后、RCMC后、方位压缩后四个阶段的中间结果全部打印出来。这样做能直观看到信号在每个步骤的形态变化，定位问题效率极高。

5.3 Matlab运行效率与内存优化实践

项目里如果只跑几个点目标，Matlab性能压力不大。但一旦把方位采样点数加到几千、距离点数加到几百，二维矩阵就是几百万个复数元素，内存占用几十MB起步，FFT和矩阵运算的压力也会上来。

几个实用的优化措施：

• 距离向FFT和IFFT用维度参数指定方向，避免隐式转置；
• 大矩阵操作前先预分配并确认class类型；
• 用tic/toc统计每个模块耗时，把优化精力花在最耗时的模块上；
• 如果整体耗时仍然太高，就降低带宽或孔径长度来缩短数据量，先验证算法正确性，再跑全场景。

另外提一个环境层面的经验：如果Matlab跑在虚拟机里明显比宿主慢，优先关闭动画渲染和硬件加速，其实主要还是数据量的问题，不要为了“跑全场景”硬扛，先减小数据规模验证逻辑。

5.4 版本兼容性观察

我这个工程最开始用的是早期版本，后来在一台新机器上装了R2022b，运行其中的main_script时碰到过启动阶段报错的情况，显示“error 9”之类的问题。后来发现主要和图形驱动、许可证初始化有关，重装图形驱动后恢复正常。代码本身没有用到非常特殊的工具箱，核心就是信号处理工具箱（Signal Processing Toolbox）和并行计算工具箱（Parallel Computing Toolbox）。如果你手头只有基础Matlab环境，把parfor改成for，并把少数工具箱函数替换成自写函数，整个工程也能跑起来。

最后说一点自己调试这个工程时最深的体会。NCS算法里面最容易错的地方不在算法主链路，而在那个小小的扰动函数设计上。线性CS跑顺了之后，你会默认“变标函数就是简单的二次函数”，一旦加上三次相位，符号只要写反，所有结果全乱。我当时是写了一个打印中间相位剖面的小工具，把每一步的相位变化可视化出来，对照公式逐步看，最终才定位到问题。所以如果你在复现时发现图像斜向拉伸或者旁瓣抬高，先别怀疑算法框架，回去把扰动函数推导一遍，大概率是差了一个负号。

另外建议从最简单的正侧视等速平行构型开始复现，先把常规CS跑通、成像质量达标，再逐步切换到斜视构型和收发站速度不一致的构型。每一步只引入一个变量，调试难度会低很多。希望这篇整理能帮到正在折腾双站SAR回波仿真与NCS成像的同学，沿着这个框架继续往下走，应该能少走不少弯路。

本文还有配套的精品资源，点击获取