Historyczny przegląd rozwoju ISAR
Rysunek 1: porównanie SAR i ISAR
Historyczny przegląd rozwoju ISAR
Radar z odwrotną syntezą apertury (ISAR) został opracowany w latach 70. XX wieku na podstawie doświadczeń z radarem z syntetyczną aperturą (SAR). [1] W przeciwieństwie do SAR, ISAR wykorzystuje ruch własny obiektu do tworzenia obrazów o wysokiej rozdzielczości. Obecnie ma duże znaczenie przede wszystkim w rozpoznaniu wojskowym i nadzorze morskim.
1960
Pierwsze obrazy radarowe Księżyca uzyskano za pomocą
radaru Millstone Hill
z wykorzystaniem
algorytmu Range-Doppler
(RD), w którym
transformata Fouriera
jest stosowana jako
filtr optymalny
dla każdego przedziału odległości sygnału.
[2]
Były to pierwsze eksperymentalne demonstracje obrazowania radarowego wywołanego ruchem celu.
1961 Następnie uzyskano obrazy Wenus, Merkurego i Marsa. [3]
od 1970 Pierwsze koncepcje i demonstracje: ISAR jest rozwijany w celu tworzenia obrazów radarowych o wysokiej rozdzielczości dzięki wykorzystaniu ruchu własnego celów, takich jak statki i samoloty.
1970 Znaczna poprawa rozdzielczości obrazów satelitów na niskiej orbicie okołoziemskiej dzięki obrazowaniu Range-Doppler za pomocą radarów ALCOR i LRIR. [4]
1971 Demonstracja wpływu ruchomych celów na lotnicze obrazy SAR. [5]
1973 Pierwsza demonstracja obrazowania obracających się celów podczas prób na stole obrotowym. [6]
1980 Pionierskie prace teoretyczne nad algorytmami ISAR oraz dalsze próby na stole obrotowym. [7]
od 1980 Zastosowanie wojskowe: ISAR jest wykorzystywany do wykrywania statków i nadzoru powietrznego, szczególnie przez marynarkę wojenną.
1988 Pierwsze doniesienia o eksperymentach z obrazowaniem celów powietrznych za pomocą ISAR. [8]
1989 Pierwsze metody kompensacji ruchu własnego sterowane na podstawie danych. [9]
od 1990 Postępy w przetwarzaniu sygnałów i technice komputerowej umożliwiają uzyskiwanie bardziej szczegółowych, niemal obrazowych przedstawień.
1995 W obrazowaniu za pomocą radaru z odwrotną syntezą apertury (ISAR) stosuje się metodę Range Instantaneous Doppler (RID) do kompensacji nieregularnego ruchu manewrujących celów. [10]
1996 Pierwsze demonstracje interferometrycznego trójwymiarowego ISAR. [11]
1999 Zastosowanie maksymalizacji ostrości obrazu oraz autofokusa z gradientem fazowym (PGA) w ISAR. [12]
1999 Znaczący rozwój obrazowania ISAR z wykorzystaniem radaru bistatycznego. [13]
od 2000 Szersze zastosowanie: oprócz rozpoznania wojskowego ISAR jest wykorzystywany również w żegludze cywilnej, bezpieczeństwie lotniczym oraz do monitorowania satelitów i śmieci kosmicznych.
2006 Pierwsze metody obrazowania celów niebędących ciałami sztywnymi, wyposażonych w obracające się części, oraz rozdzielania sygnatur obracających się i nieruchomych reflektorów za pomocą efektu mikro-Dopplera. [14]
2010 Pierwsze metody obrazowania ISAR oparte na próbkowaniu kompresyjnym (Compressed Sensing, CS). [15]
2010 Pierwsze demonstracje pasywnego ISAR. [16]
2016 Eksperymentalna demonstracja i koncepcja systemu ISAR z radarem multistatycznym. [17]
2020 Pierwsze metody obrazowania ISAR oparte na metodzie największej wiarygodności (ML); tradycyjne algorytmy ISAR są zastępowane przez uczenie maszynowe. [18]
Bibliografia:
- R. Vehmas, N. Neuberger, “Inverse Synthetic Aperture Radar Imaging: A Historical Perspective and State-of-the-Art Survey,” in IEEE Access, vol. 9, pp. 113917-113943, 2021
- G. H. Pettengill, “Measurements of lunar reectivity using the millstone radar,” Proc. Inst. Radio Eng., vol. 48, no. 5, pp. 933-934, 1960.
- L. R. Malling and S. W. Golomb, “Radar measurements of the planet Venus,” J. Brit. Inst. Radio Eng., vol. 22, no. 4, pp. 297-300, Oct. 1961.
- D. A. Ausherman, A. Kozma, J. L. Walker, H. M. Jones, and E. C. Poggio, “Developments in radar imaging,” IEEE Trans. Aerosp. Electron. Syst., vol. AES-20, no. 4, pp. 363-400, Jul. 1984.
- R. K. Raney, “Synthetic aperture imaging radar and moving targets,” IEEE Trans. Aerosp. Electron. Syst., vol. AES-7, no. 3, pp. 499-505, May 1971.
- J. L. Walker, W. G. Carrara, and I. Cindrich, “Optical processing of rotating-object radar data using a polar recording format,” Rome Air Development Center, Rome, NY, USA, Tech. Rep. RADC-TR-73-136, AD 526 738, May 1973.
- J. L. Walker, “Range-Doppler imaging of rotating objects,” IEEE Trans. Aerosp. Electron. Syst., vol. AES-16, no. 1, pp. 2352, Jan. 1980.
- B. D. Steinberg, “Microwave imaging of aircraft,” Proc. IEEE, vol. 76, no. 12, pp. 1578-1592, Dec. 1988.
- B. Haywood and R. J. Evans, “Motion compensation for ISAR imaging,” in Proc. ASSPA, Apr. 1989, pp. 113-117.
- V. C. Chen, “Reconstruction of inverse synthetic aperture radar image using adaptive time-frequency wavelet transform,” Proc. SPIE, vol. 2491, pp. 373386, Apr. 1995.
- M. Soumekh, “Automatic aircraft landing using interferometric inverse synthetic aperture radar imaging,” IEEE Trans. Image Process., vol. 5, no. 9, pp. 13351345, Sep. 1996.
- X. Li, G. Liu, and J. Ni, “Autofocusing of ISAR images based on entropy minimization,” IEEE Trans. Aerosp. Electron. Syst., vol. 35, no. 4, pp. 12401252, Oct. 1999.
- X. Xu, H. Luo, and P. Huang, “3-D interferometric ISAR images for scattering diagnosis of complex radar targets,” in Proc. IEEE Radar Conf. Radar Into Next Millennium, Apr. 1999, pp. 237-241.
- L. Stankovic, T. Thayaparan, and L. Djurovic, “Separation of target rigid body and micro-Doppler effects in ISAR imaging,” IEEE Trans. Aerosp. Electron. Syst., vol. 42, no. 4, pp. 1496-1506, Oct. 2006.
- L. C. Potter, E. Ertin, J. T. Parker, and M. Cetin, “Sparsity and compressed sensing in radar imaging,” Proc. IEEE, vol. 98, no. 6, pp. 1006-1020, Jun. 2010.
- K. Suwa, S. Nakamura, S. Morita, T.Wakayama, H. Maniwa, T. Oshima, R. Maekawa, S. Matsuda, and T. Tachihara, “ISAR imaging of an aircraft target using ISDB-T digital TV based passive bistatic radar,” in Proc. IEEE Int. Geosci. Remote Sens. Symp., Jul. 2010, pp. 4103-4105.
- S. Brisken, “Motion estimation and imaging with multistatic inverse synthetic aperture radar,” Ph.D. dissertation, Univ. Siegen, Siegen, Germany, 2016.
- C. Hu, L. Wang, Z. Li, and D. Zhu, “Inverse synthetic aperture radar imaging using a fully convolutional neural network,” IEEE Geosci. Remote Sens. Lett., vol. 17, no. 7, pp. 1203-1207, Jul. 2020.