М.Н. Караваев1, Ю.А. Лебедев2, Е.А. Панина3, Л.Е. Лаврентович4

1–4 АО «НИИ «Вектор» (Санкт-Петербург, Россия)
1 kmn.2693@yandex.ru, 2 yuri.lebedev@me.com, 3 pan4itos21@gmail.com, 4 lavrentovich_le@nii-vektor.ru

Постановка проблемы. Обработка радиоголограмм и синтеза радиоэлектронного изображения (РЛИ) – основная целевая задача функционирования радиолокаторов с синтезированной апертурой (РСА) космического базирования. С момента появления первых РСА данного класса создан целый ряд методов синтеза РЛИ. Однако при решении задач построения и системного проектирования комплексов обработки информации РСА возникает вопрос выбора конкретного планируемого к реализации алгоритма синтеза РЛИ. Этот выбор осложняется наличием ряда критериев, которым должна удовлетворять программная реализация методов синтеза.

Цель. Провести сравнительный анализ методов синтеза радиолокационных изображений (РЛИ) по сформулированным критериям; разработать способы программно-алгоритмической реализации данных методов; оценить аппаратные требования, предъявляемые алгоритмическими реализациями методов синтеза РЛИ к вычислительной платформе.

Результаты. Рассмотрен комплекс методов и алгоритмов синтеза РЛИ, получаемых от РСА космического базирования с точки зрения их программной реализации на различных программно-аппаратных платформах. Приведен подробный анализ результатов работы алгоритмов по различным критериям; отмечены «узкие места» вычислительных средств при выполнении синтеза РЛИ; выявлен положительный результат при задействовании оптимизированных вычислительных программных библиотек. Даны рекомендации по построению аппаратной платформы, предназначенной к реализации алгоритмов синтеза РЛИ.

Практическая значимость. Полученные результаты позволяют положить их в основу проектирования программно-аппаратных комплексов обработки радиолокационной информации в части выбора наиболее эффективного алгоритма синтеза РЛИ.

Караваев М.Н., Лебедев Ю.А., Панина Е.А., Лаврентович Л.Е. Сравнительный анализ методов синтеза радиоголограмм, получаемых космическими РСА в маршрутном режиме // Успехи современной радиоэлектроники. 2025. T. 79. № 5. С. 36–44.
DOI: https://doi.org/10.18127/j20700784-202505-04

1. Верба В.С., Неронский Л.Б., Осипов И.Г., Турук В.Э. Радиолокационные системы землеобзора космического базирования / Под ред. В.С. Вербы. М.: Радиотехника. 2010. 680 с.: ил.
2. Верба В.С., Неронский Л.Б., Турук В.Э. Перспективные технологии цифровой обработки радиолокационной информации космических РСА. Монография / Под ред. В.С. Вербы. М.: Радиотехника. 2019. 416 с. 0,5 п.л. цв.
3. Ian G. Cummins, Frank H. Wong. Digital Processing of Synthetic Aperture Radar Data: Algorithms and Implementation. Artech House, Boston | London, 2005.
4. Дровосекова Т.Н. Анализ методов и алгоритмов фокусировки изображений. Электронный сборник трудов молодых спе­циалистов Полоцкого государственного университета // Промышленность. (40). 30–33. https://journals.psu.by/specialists_industry/article/ view/1720
5. MATLAB Based SAR Signal Processor for Educational Use. Rinki Deo, Ankit Jamod, V. Deepika Rani Gopu and Y.S. Rao. https://www.csre.iitb.ac.in/~ysrao/ankit/igarss_2012_paper.pdf
6. Yuan Y., Chen S., Zhang S., Zhao H. A Chirp Scaling Algorithm for Forward-Looking Linear-Array SAR with Constant Acceleration // IEEE Geosci. Remote Sens. Lett. 2018. 15. Р. 88–91.
7. Cumming I.G., Neo Y.L., Wong F.H. Interpretations of the Omega-K Algorithm and Comparisons with Other Algorithms. In Proceedings of the IEEE International Geoscience and Remote Sensing Symposium, IGARSS’03, Toulouse, July 21–25, 2003.
8. Stolt R.H. Migration by Fourier Transform // Geophysics. 1978. 43. P. 23–48.
9. Waller E.H., Keil A. & Friederich F. Quantum Range Migration Algorithm for Synthetic Aperture Radar Applications. Sci Rep 13, 11436 (2023). https://doi.org/10.1038/s41598-023-38611-x
10. Conrad Sanderson, Ryan Curtin. Armadillo: A Template-Based C++ Library for Linear Algebra // Journal of Open-Source Software. 2016. V. 1. № 2. Р. 26.
11. Conrad Sanderson and Ryan Curtin. Practical Sparse Matrices in C++ with Hybrid Storage and Template-Based Expression Optimization // Mathematical and Computational Applications. 2019. V. 24. № 3.