这是《雷达成像技术》学习记录的第 10 篇，对应第六章"基于回波数据的合成孔径雷达运动补偿"。
第六章的核心问题只有一个：
飞机不是理想地匀速直线飞行，它会颠簸。颠簸会让回波相位出错，图像模糊。怎么办？
对我这种深度学习方向的人来说，这一章同样不需要深入算法细节，只需要理解问题的来源和补偿的思路。
本系列导航
- 00 开篇：我怎么用「提问 + 类比」啃下《雷达成像技术》
- 01 第一章：为什么要成像？为什么要合成孔径？
- 02 第二章（上）：宽带信号、脉冲压缩与一维距离像
- 03 第二章（下）：相干积累、Keystone 变换与「宽带成像/窄带检测」
- 04 答疑：我把「带宽」彻底理解错了
- 05 第三章（上）：从实际阵列到合成阵列，为什么必须聚焦
- 06 第三章（下）：波束、波束宽度与「相位差翻倍」
- 07 第四章：SAR 在三维空间里做二维成像，会出什么问题
- 08 阶段总结：前四章的 7 句话 + 我的学习方法
- 09 第五章：距离单元、距离走动、距离弯曲
- 10 第六章：飞机颠簸一下，SAR 图像为什么会糊（本篇）
- 11 第七章：ISAR——雷达不动、目标动，怎么成像
- 12 第八章：InSAR——二维图像怎么再测出高度
- 13 全书总结：八章串成一条线 + 学习方法复盘
6.1 SAR 平台的运动情况
理想情况 vs 实际情况
理想情况：飞机匀速直线飞行、航线笔直、天线指向稳定。
实际情况：气流扰动、飞机颠簸、速度不稳、姿态变化（偏航、俯仰、横滚）。
类比：
- 理想情况：你拿手机稳稳地拍全景照片；
- 实际情况：你边走边拍，手还在抖。
这个类比基本就是第六章的全部：SAR 的运动补偿 = 全景照片的防抖。
位置误差 vs 姿态误差
| 误差 | 含义 | 影响 |
|---|---|---|
| 位置误差 | 天线相位中心偏离理想位置 | 雷达到目标的距离变了 → 相位变了 → 图像模糊 |
| 姿态误差 | 飞机转动，天线波束指向偏了 | 影响照射范围（现代雷达天线装在稳定平台上，影响较小） |
类比：
- 位置误差= 你拍照时手抖，相机位置偏了；
- 姿态误差= 你拍照时相机歪了。
结论：位置误差是主要问题。因为相位对距离极其敏感——这也是前面几章反复出现的主题：成像的本质是相位，相位一乱，图像必糊。
运动补偿的两种方式
| 方式 | 靠什么 | 优缺点 |
|---|---|---|
| 基于仪表 | 惯导（INS）+ GPS | 响应快，但长时间会漂移 |
| 基于回波数据 | 从雷达回波本身估计运动误差 | 不依赖外部设备，但算法复杂 |
类比：
- 基于仪表 = 你戴着手表看时间；
- 基于回波数据 = 你看着太阳估算时间。
两者互补：手表准的时候用手表，手表漂了就用太阳校准。实际系统通常也是组合使用。
图：平台偏离理想航迹会改变到同一散射点的斜距，从而引入相位误差；未补偿的时变相位误差可能导致散焦。几何和聚焦效果均为概念示意，不表示所有位置误差都会产生同一种失真。
6.2 多普勒参数估计
要从回波里估计运动，抓手就是多普勒。
多普勒中心频率
是什么：回波多普勒谱的中心，反映雷达波束指向和载机横向运动。
类比：你听一列火车经过——靠近时音调高，远离时音调低，中间那个"音调不变"的时刻就是多普勒中心。
怎么估：对回波序列做傅里叶变换，找功率谱的中心。
多普勒调频率
是什么：回波多普勒随时间变化的速率，反映载机沿航线的速度和加速度。
类比：火车经过时音调从高到低变化，变化越快，调频率越大。
怎么估：把回波序列分成前后两段，分别做傅里叶变换，比较两段的多普勒中心差——差值与调频率成正比。
从多普勒参数到运动参数
- 多普勒中心 → 横向速度；
- 多普勒调频率 → 沿航线速度 + 横向加速度。
类比：你听火车声音——音调高低告诉你火车靠近还是远离，音调变化的快慢告诉你速度。
我第一次感到"信号处理很妙"就是在这里：飞机的运动参数（速度、加速度）居然可以从回波的多普勒里反推出来，不需要额外设备。这就是"基于回波数据"这条路的底气。
6.3 法平面与沿航线运动误差的补偿
法平面运动误差
是什么：垂直于航线的平面内的位置误差，主要是视线方向的分量。
影响：回波时延变化 + 回波相位变化。
补偿：包络移动补偿（校时延）+ 相位补偿（校相位）。
类比：你拍照时手上下抖——画面上下移动（包络移动），同时画面模糊（相位误差）。
沿航线运动误差
是什么：沿航线方向的速度不稳，导致采样点位置不均匀。
影响：多普勒调频率变化 → 图像散焦。
补偿：估计瞬时速度 → 补偿相位误差 → 校正横向几何形变。
类比：你边走边拍——走得快时照片间隔大，走得慢时间隔小，拼起来就会有形变。
补偿流程
- 估计多普勒参数；
- 分离运动参数；
- 法平面补偿；
- 沿航线补偿；
- 成像。
一句话：先判断手是怎么抖的，再分别补偿"上下抖"和"左右抖"，最后拼图。
6.4 相位梯度自聚焦（PGA）
什么是自聚焦？
自聚焦 = 从回波数据本身估计相位误差，并补偿。
类比：你拍照时手抖了，你不知道手怎么抖的；但你能从照片里看出模糊，通过分析模糊反推手抖的规律，然后补偿。
这个思路我觉得非常"现代"——本质上是一种盲估计。
PGA 的核心思想
- 在图像里找强散射点；
- 把强散射点的相位误差估计出来；
- 用这个误差补偿整幅图像。
类比：你拍的照片里有几个很亮的灯，灯本来是点，但糊了；你根据灯的模糊程度反推手抖，然后补偿整张照片。
步骤（不用记）：选强散射点 → 加窗 → 圆位移到中心 → 估计相位误差 → 补偿 → 迭代。
核心就一句：用强点估计误差，补偿整幅图。
优缺点
- 优点：不依赖模型、能补偿各种相位误差、效果好；
- 缺点：迭代算法、运算量大、实时处理难。
类比：PGA 像**“精修照片”**——效果好，但慢。
图：运动补偿可组合仪表辅助与回波数据方法：INS/GNSS 辅助估计运动误差，PGA 等数据方法估计残余相位误差，再进行适当补偿与聚焦。图为概念流程，不表示可恢复任意几何失真。
6.5 不同平台的颠簸程度
书里给了实测对比，这一节不用细看，但结论很有画面感：
- 运-7 较稳，补偿简单；
- 运-12 较小，颠簸大，需要更多补偿；
- 米-8 是直升机，振动最大，需要 PGA 自聚焦。
类比：
- 大飞机像高铁，稳；
- 小飞机像公交车，颠；
- 直升机像拖拉机，抖。
第六章最需要记住的几句话
- 飞机不理想，会颠簸，导致回波相位出错，图像模糊。
- 运动补偿 = 估计运动误差 + 补偿相位。
- 两种补偿方式：基于仪表（惯导）和基于回波数据。
- 多普勒中心 → 横向速度；多普勒调频率 → 沿航线速度 + 横向加速度。
- 法平面误差补偿时延和相位；沿航线误差补偿速度不稳。
- PGA 自聚焦：用强散射点估计相位误差，补偿整幅图像。
- 不同平台颠簸程度不同，补偿需求不同。
对我（深度学习方向）来说，这一章要记住什么
- SAR 图像可能因为运动误差而模糊。
- 模糊的原因是相位误差。
- 补偿方法：基于仪表或基于回波数据。
- PGA 是一种自聚焦方法，用强散射点估计误差。
- 不同平台、不同飞行条件，图像质量不同。
以后处理 SAR 图像时，你会碰到：
- 有些图像有运动补偿残留误差；
- 有些图像局部模糊；
- 有些图像有几何形变。
我的复盘
第六章让我对第五、六章的关系彻底清楚了：
第五章解决"回波在距离方向的错位"（距离徙动），第六章解决"相位上的错位"（运动误差）。
它们共享同一个逻辑：先找出误差模型，再在频域或时域补掉它。而且第六章多了一条更有意思的路——不看仪表，只从数据本身把误差"猜"出来（自聚焦）。这条路和深度学习里的"自监督/盲估计"是同一种思维，只是对象换成了相位。
作为做图像的人，我这一章最大的收获不是学会补偿，而是拿到了一份"图像为什么会糊"的清单：位置误差、姿态误差、法平面误差、沿航线误差、补偿不完善。以后看到一张模糊的 SAR 图，我至少知道该往哪个方向怀疑。
（下一篇：第七章 ISAR——雷达不动、目标动，怎么成像。）
