您是否想过，当一架无人机在夜空中悄然飞过，它是如何穿透云层、无视黑暗，甚至"看穿"树叶下的伪装目标？人类的眼睛依赖光线，而雷达则依赖电磁波。但传统雷达只能"看到"一个模糊的点，而合成孔径雷达（SAR）却能生成堪比光学照片的高清图像。这究竟是怎样实现的？无人机那么小的身体，又如何塞进这套复杂的系统？本文将跟随雷达信号的产生、发射、回收到成像的全过程，带您领略这项让无人机拥有"透视眼"的神奇技术。
无人机SAR的基本构成
SAR是一个精密的系统工程，它包含了波形产生、频率搬移、功率放大、回波接收、数据处理和图像形成等多个环节。其核心使命可以这样理解：通过无人机平台，向地面发射一系列经过精心编码的电磁波脉冲，然后接收这些脉冲从地面反射回来的微弱回波，最后通过复杂的信号处理算法，将这些回波"聚焦"成一幅高分辨率的地面图像。我们研发的数字化微型无人机SAR主机AP-DMS-X/Ku系统功能框图如下所示，功能兼容传统模拟SAR模式，具体专业介绍便不再此文阐述。
这篇文章将顺着信号在SAR系统中的流动路径，逐一介绍承载这些功能的硬件和软件模块。为避免文章过于冗长晦涩，笔者会略去部分过于深奥的数学推导和电路细节，留待后续专题探讨。
如何产生"理想"的雷达波
雷达信号如同一把尺子，它的精度直接决定了测量结果的准确性。对于SAR雷达来说，想要获得高分辨率，就需要产生大带宽的信号；想要探测得远，就需要信号具有足够的能量。然而，鱼与熊掌不可兼得。传统雷达的方法是直接产生一个高功率的短脉冲，但短脉冲意味着能量低，探测距离近。这就好比用闪光灯拍照，闪光时间越短，照亮范围就越有限。
现代SAR雷达普遍采用一种"四两拨千斤"的技术——脉冲压缩。它的思想是：发射一个宽脉冲，但这个脉冲的频率在持续变化（线性调频信号，又称Chirp信号）。这样，虽然脉冲宽了、能量足了，但因其频率变化带有"时间标签"，接收后可以通过匹配滤波器将其"压缩"成窄脉冲。这就好比一支队伍原本散漫地走，但每个人衣服上都印着到达时间，到达终点后可以按时间标签重新排队，瞬间形成一个紧凑的方阵。
实现这种复杂波形的核心器件是任意波形发生器。它们能精确产生我们想要的Chirp信号，然而带宽宽了之后，链路的失真会带来后续图像信噪比的恶化。AP-DMS-X/Ku内置数字预失真补偿算法，可有效校正射频链路的幅频响应波动与群延迟非线性，保障带内幅度平坦度和线性相位特征，从而提升发射信号质量与成像聚焦性能。图中对比了预失真补偿模块开启前（左图）后（右图），相同成像算法的输出结果。图中结果表明通道校正可有效提升成像质量。
从噪声中抓取微弱信号
地面反射的回波信号，其强度与发射信号相比，往往衰减了上百个分贝（dB），如同百米外的耳语。此时的信号完全淹没在各种噪声中——宇宙噪声、地面热噪声、接收机自身的噪声。
接收机的首要任务，就是从这个噪声海洋中，将微弱的回波"打捞"上来并放大。接收链路的第一级低噪放至关重要，它的噪声系数几乎决定了整个系统的灵敏度。低噪放的设计理念是"小心呵护"，在放大信号的同时，尽可能少地引入额外噪声。
经过低噪放的信号，再经过下变频，变回中频信号，然后由ADC将其数字化。这里有一个关键参数——动态范围。地面场景千变万化，可能同时有平静的湖面和高耸的建筑物，接收机必须能同时处理这两种极端强度的信号而不失真。
另外，受限于无人机体积，收发天线放置位置可能会较近，同时收发时，发射信号会通过近场串扰到接受链路，使得动态范围大大降低。AP-DMS-X/Ku采用主动射频对消技术，在收发同时工作时抑制同频串扰，显著提高收发隔离度与接收机灵敏度，增强弱目标检测能力。设备采用的主动射频对消工作逻辑如图所示，试验表明，主动对消可等效增加天线间隔离度20dB以上，显著提高收发天线布局灵活性，特别适用于无人机平台紧凑布局下的高动态范围探测。
从原始数据到清晰图像
数字化后的回波数据，被海量地存储在高速大容量存储设备中。一个几十分钟的飞行任务，产生的原始数据量可能是几TB甚至更大。这些数据无法实时全部传回地面，因此机载存储是标配。
真正的魔法，发生在数据处理环节。SAR成像的核心算法，本质上是解决两个维度的聚焦问题：距离向聚焦：即前文提到的脉冲压缩，通过匹配滤波实现高分辨率；方位向聚焦：这是SAR的精髓。无人机在飞行中，天线在不同位置发射和接收信号，相当于组成了一个远大于自身尺寸的"虚拟天线阵列"。通过精确补偿无人机每个时刻的位置和速度，将这些不同时刻的回波相干叠加，就能获得极高的方位向分辨率。这相当于在算法中"凭空"制造了一个巨大的透镜，将原本模糊的斑点汇聚成清晰的像素点。
关键性技术与未来展望
梳理完无人机SAR的信号流程，笔者想分享一些关于这一领域关键技术和未来方向的思考。在系统层面，是射频与算法一体化设计的理念。传统设计中，射频硬件和成像算法往往是两个独立团队的工作。射频工程师追求纯净的信号（高信噪比、低杂散），算法工程师则假设输入信号是理想的。但在无人机这个资源受限的平台上，这种割裂正被打破。笔者认为，未来的关键趋势包括：传统SAR波形是固定的（如FMCW），而未来的SAR可以根据场景和任务需求，智能地调整波形（AP-DMS-X/Ku支持每个周期发射任意波）。这需要射频前端能快速切换状态，与后端智能算法形成闭环；一体化设计补偿非理想特性：雷达系统并非完美。无人机的平台抖动、射频器件的非线性、频率源的相位噪声，都会导致图像散焦或出现虚假目标。传统方法是努力提高硬件的"纯净度"，但这往往带来体积、功耗和成本的急剧上升。新的思路是，通过算法对硬件的非理想特性进行测量和补偿。
