|
简介 美国国防高级研究计划局（DARPA）正在不断增加对卫星图像和合成孔径雷达（SAR）的投资。与传统的光电传感系统不同，合成孔径雷达传感器依赖于雷达，因此可在夜间和全气象条件下生成地球图像，这种能力对于跟踪地面上的部队移动和变化很有用，在近期的俄乌战争期间获得了很强的需求。
美国国防高级研究计划局将在下个月接收三个有关改进卫星中合成孔径雷达技术的投标书，涉及的领域包括：自动目标识别、分布式雷达成像和数字信号处理。 在自动目标识别领域，“小提琴家”（Fiddler）项目关注使用机器学习和计算机视觉方法来创建可用于改进现有机器学习算法的训练数据。投标方提供的方案应该从实际的合成孔径雷达图像中学习，在新的成像几何学或配置中生成或修改合成孔径雷达图像，并演示从少量的样例中生成不同的训练数据，以快速训练鲁棒的合成孔径雷达目标探测方法。 DARPA希望“小提琴家”项目应用到海上领域，因为尽管沿海区域的合成孔径雷达目标探测能力已经大幅改进，但是仍需要更好的方法来对移动目标进行分类。在静态目标探测方面，如许多地面目标的探测，可通过时间的积累获取大型的训练数据集，而海上环境面临的挑战更大，因为大多数感兴趣的目标和背景图像经常处于运动状态。“小提琴家”项目包括三个阶段，将持续开展三年以上。 在分布式雷达成像领域，“数字化雷达成像技术”（DRIFT）项目是DARPA提出的“马赛克”战的一部分。“马赛克”战注重利用小型系统创建高度复杂的网络，该项目是“马赛克”战最终愿景的重要组成部分，旨在演示验证由一系列以编队飞行的合成孔径雷达（SAR）卫星能够实现的先进能力。 DARPA认为，商业界领导实现的小型SAR卫星相关进展，可支持基于SAR新型概念的相关实验。该项目寻求获得至少两颗以编队飞行的SAR卫星的数据，以演示验证针对所获数据的新型处理算法。 该项目包含两个技术领域：一是开发小型SAR卫星编队飞行与联合收集的方法，包括机动策略、编配算法、同步收集单站与双站数据的方式。该技术领域还涉及非重复性工程，调整卫星以适于运行，并生成符合要求的单站和双站相位历史数据。非重复性工程仅限于对现有卫星设计进行更改，比如升级推进器或振荡器，但是不会开发新型卫星或传感器。该项目将从卫星所有者购买数据。二是开发处理上述代偿性相位历史数据（CPHD）的算法，未来DARPA将发布针对这种算法的广泛机构公告。 在数字信号处理领域，DARPA的“大规模交叉关联”项目致力于改进SAR系统数字化信号处理，寻求利用新型信号处理架构的优势，实现相关器功率效率性能方面的突破。新型信号处理技术并非纯数字的信号处理技术，该项目寻求获取比传统数字信号处理系统高100倍的功率效能和信息处理密度。 |
|
|
