Modelado y Mitigación de Fenómenos de Multitrayecto en Imágenes Radar mediante Técnicas basadas en Inversión Temporal

Texto completo

(1)UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN. MODELADO Y MITIGACIÓN DE FENÓMENOS DE MULTITRAYECTO EN IMÁGENES RADAR MEDIANTE TÉCNICAS BASADAS EN INVERSIÓN TEMPORAL. TESIS DOCTORAL. IMANOL DE ARRIBA RUIZ INGENIERO DE TELECOMUNICACIÓN 2012.

(2)

(3) DEPARTAMENTO DE SEÑALES, SISTEMAS Y RADIOCOMUNICACIONES ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN UNIVERSIDAD POLITÉCNICA DE MADRID. MODELADO Y MITIGACIÓN DE FENÓMENOS DE MULTITRAYECTO EN IMÁGENES RADAR MEDIANTE TÉCNICAS BASADAS EN INVERSIÓN TEMPORAL TESIS DOCTORAL. Autor: Imanol de Arriba Ruiz Ingeniero de Telecomunicación. Director: Félix Pérez Martínez Catedrático de Universidad Departamento de Señales, Sistemas y Radiocomunicaciones Universidad Politécnica de Madrid. Codirector: José María Muñoz Ferreras Profesor Ayudante Doctor Departamento de Teoría de la Señal y Comunicaciones Universidad de Alcalá. 2012.

(4)

(5) TESIS DOCTORAL MODELADO Y MITIGACIÓN DE FENÓMENOS DE MULTITRAYECTO EN IMÁGENES RADAR MEDIANTE TÉCNICAS BASADAS EN INVERSIÓN TEMPORAL AUTOR: DIRECTOR: CODIRECTOR:. Imanol de Arriba Ruiz Félix Pérez Martínez José María Muñoz Ferreras. Tribunal nombrado por el Mgfco. y Excmo. Sr. Rector de la Universidad Politécnica de Madrid, el día __ de _________ de 2012. PRESIDENTE: SECRETARIO: VOCAL: VOCAL: VOCAL: SUPLENTE: SUPLENTE: Realizado el acto de defensa y lectura de Tesis el día __ de _________ de 2012, en la E.T.S. de Ingenieros de Telecomunicación, Madrid. Calificación: EL PRESIDENTE. EL SECRETARIO. LOS VOCALES.

(6)

(7) «The important thing is not to stop questioning. Curiosity has its own reason for existing». «The whole of science is nothing more than a refinement of everyday thinking». «The true sign of intelligence is not knowledge but imagination».. ALBERT EINSTEIN.

(8)

(9) Agradecimientos Y como es de bien nacido ser agradecido, y como no podía ser de otra manera, me gustaría comenzar agradeciéndoles a mis padres (Araceli y Antonio) de forma muy especial su apoyo incondicional durante todo este tiempo. Las personas que realmente me conocen saben con creces lo sumamente importantes que sois para mí, lo presentes que os tengo en mi día a día, lo cuesta arriba que se me ha hecho no teneros cerca estos cuatro años. Vosotros me lo habéis dado todo, me habéis enseñado lo más valioso en esta vida, y en definitiva, habéis hecho todo lo posible para verme siempre feliz. Jamás olvidaré los valores que me habéis inculcado, la importancia de hacer las cosas bien y de corazón, por convicción, la recompensa y la gran satisfacción personal que trae consigo el sacrificarse por algo importante en lo que realmente crees. Por supuesto, todas estas palabras también van dirigidas a mi hermana Ara. Una mirada basta para saber cómo nos sentimos, necesitaría muchas páginas para darte las gracias por todos los valiosos consejos de hermana mayor que me has dado, y por tu gran empatía y comprensión. He aprendido muchas cosas de ti, y sabes lo mucho que te admiro por tu gran generosidad y por dejarte la piel en todo lo que haces. Vuestra motivación ha sido decisiva para superar muchas dificultades y poder así cumplir el objetivo final. Esto no es más que una pequeña muestra de lo orgulloso y lo afortunado que me siento de teneros, no cambiaría ni una sola coma de todos estos años que he pasado en vuestra compañía. Por este motivo, y aunque estáis más que acostumbrados a escuchar lo mucho que os quiero, no me cansaré nunca de daros las gracias. También me gustaría extender mis agradecimientos a mi Director de Tesis, Félix Pérez Martínez. Sin tu apoyo técnico, moral y económico esta Tesis no habría sido posible. Gracias por tu confianza a lo largo de estos años, por darme la oportunidad de trabajar con vosotros, por tu dedicación y disposición en cualquier momento, así como por los medios y la libertad que me has dado para poder centrarme en el presente trabajo de investigación. Entre otras cosas, nunca olvidaré lo amable y cercano que fuiste el primer día que llegué a Madrid. De igual manera, a mi Codirector de Tesis, José María Muñoz Ferreras. Quiero agradecerte enormemente tu colaboración y paciencia a lo largo estos años, tu interés por iniciarme en el campo de los radares imagen, gracias por todas las cuestiones que me has resuelto, por todo el material que me has facilitado, que sin duda me ha sido de gran ayuda, y en definitiva, por tu plena disposición para. -i-.

(10) atenderme en cualquier momento. Sin lugar a dudas, eres un gran profesional y te auguro un futuro prometedor. Y en general, quiero expresar mi agradecimiento a todos mis compañeros y compañeras del Grupo de Microondas y Radar. Les deseo lo mejor a cada uno de ellos, no sólo en el campo de la investigación, sino también en el terreno personal. Y por supuesto, con especial afecto, y no por citarlos al final sois menos importantes, al resto de mis familiares y a mis amigos de toda la vida, que tanto interés mostráis siempre por lo que hago, y tanto ánimo me dais para seguir adelante. No importa el tiempo que pase sin vernos, es como si no hubiesen pasado los años. Y muy especialmente a la gente tan maravillosa que he conocido en estos cuatro años aquí en Madrid. Sólo vosotros sabéis que lo hubiese dado todo en algunos momentos por estar en Irún, Donosti, Hendaya..., pero con vuestra compañía y apoyo incondicional me habéis hecho sentir como en casa cuando más os he necesitado, y en cierto modo, habéis sido mi familia todo este tiempo. Ya sois parte de mi vida. Por último, quisiera agradecer encarecidamente a los programas que han financiado este trabajo: el Programa de Personal Investigador en Formación de la Universidad Politécnica de Madrid, el Programa de Formación de Profesorado Universitario (FPU) del Ministerio de Educación, Cultura y Deporte, los proyectos TEC2008-02148 y TEC2011-28683-C02-01 de la Comisión Interministerial de Ciencia Y Tecnología (CICYT), y las ayudas de la Comunidad de Madrid. De principio a fin… mi más profundo agradecimiento a todos.. - ii -.

(11) Resumen Las técnicas SAR (Synthetic Aperture Radar, radar de apertura sintética) e ISAR (Inverse SAR, SAR inverso) son sistemas radar coherentes de alta resolución, capaces de proporcionar un mapa de la sección radar del blanco en el dominio espacial de distancia y acimut. El objetivo de ambas técnicas radica en conseguir una resolución acimutal más fina generando una apertura sintética a partir del movimiento relativo entre radar y blanco. Los radares imagen complementan la labor de los sistemas ópticos e infrarrojos convencionales, especialmente en condiciones meteorológicas adversas. Los sistemas SAR e ISAR convencionales se diseñan para iluminar blancos en situaciones de línea de vista entre sensor y blanco. Por este motivo, presentan un menor rendimiento en escenarios complejos, como por ejemplo en bosques o entornos urbanos, donde los retornos multitrayecto se superponen a los ecos directos procedentes de los blancos. Se conocen como "imágenes fantasma", puesto que enmascaran a los verdaderos blancos y dan lugar a una calidad visual pobre, complicando en gran medida la detección del blanco. El problema de la mitigación del multitrayecto en imágenes radar adquiere una relevancia teórica y práctica. En esta Tesis Doctoral, se hace uso del concepto de inversión temporal (Time Reversal, TR) para mejorar la calidad visual de las imágenes SAR e ISAR eliminando las "imágenes fantasma" originadas por la propagación multitrayecto (algoritmos TR-SAR y TR-ISAR, respectivamente). No obstante, previamente a la aplicación de estas innovadoras técnicas de mitigación del multitrayecto, es necesario resolver el problema geométrico asociado al multitrayecto. Centrando la atención en la mejora de las prestaciones de TR-ISAR, se implementan una serie de técnicas de procesado de señal avanzadas antes y después de la etapa basada en inversión temporal (el eje central de esta Tesis). Las primeras (técnicas de pre-procesado) están relacionadas con el multilook averaging, las transformadas tiempo-frecuencia y la transformada de Radon, mientras que las segundas (técnicas de post-procesado) se componen de un conjunto de algoritmos de superresolución. En pocas palabras, todas ellas pueden verse como un valor añadido al concepto de TR, en lugar de ser consideradas como técnicas independientes. En resumen, la utilización del algoritmo diseñado basado en inversión temporal, junto con algunas de las técnicas de procesado de señal propuestas, no deben obviarse si se desean obtener imágenes ISAR de gran calidad en escenarios con mucho multitrayecto. De hecho, las imágenes resultantes pueden ser útiles para. - iii -.

(12) posteriores esquemas de reconocimiento automático de blancos (Automatic Target Recognition, ATR). Como prueba de concepto, se hace uso tanto de datos simulados como experimentales obtenidos a partir de radares de alta resolución con el fin de verificar los métodos propuestos.. - iv -.

(13) Abstract SAR (Synthetic Aperture Radar) and ISAR (Inverse SAR) techniques are coherent high-resolution radar systems, capable of providing a map of target radar cross section in the spatial domain of range and azimuth. The aim of both techniques consists in achieving a finer azimuth resolution by generating a synthetic aperture from the relative motion between radar and target. Radar imaging complements the task of conventional optical and infrared systems, especially in adverse weather conditions. Conventional SAR and ISAR systems are designed for imaging targets with a direct line of sight of sensors. For this reason, they have a reduced performance in complex scenarios, such as in forests or urban environments, where multiplebounce returns are superposed to direct-scatter echoes coming from targets. They are known as ghost artifacts, since they obscure true targets and lead to poor visual quality, making target detection particularly difficult. The multipath mitigation problem for radar imaging is of theoretical and practical importance. In this Ph.D. thesis, Time Reversal (TR) concept is used as a new approach for SAR and ISAR to improve image visual quality by removing ghosting artifacts caused by multipath propagation (TR-SAR and TR-ISAR algorithms, respectively). Nevertheless, prior to applying these innovative multipath mitigation techniques, it is needed to solve the geometric problem related to multipath. Focusing on the improvement of the performance of TR-ISAR, a series of advanced signal processing techniques are implemented before and after the timereversal-based stage (the central point of this thesis). The former ones (preprocessing techniques) are related to multilook averaging, time-frequency transforms and Radon transform, whereas the latter ones (post-processing techniques) are made up of a set of superresolution algorithms. In a nutshell, they all can be seen as an added value to the TR concept, instead of being regarded as independent approaches. To sum up, the use of the designed time-reversal-based algorithm, along with some of the proposed signal processing techniques, should not be circumvented if high-quality ISAR images are desired to be obtained in a dense-multipath environment. In fact, the resulting images may be useful for subsequent Automatic Target Recognition (ATR) schemes. As a proof-of-concept, both simulated and experimental data from high-resolution radars are used to verify the proposed methods.. -v-.

(14) - vi -.

(15) Índice de contenidos 1. Introducción ...................................................................................................... 1 1.1 1.2 1.3 1.4. Fenómenos de degradación......................................................................... 3 Motivación de la Tesis Doctoral ................................................................... 7 Objetivos de la Tesis .................................................................................... 9 Organización de la Tesis............................................................................ 10. 2. Radares de apertura sintética ........................................................................ 13 2.1 Sistemas ISAR ........................................................................................... 13 2.1.1 Algoritmo de formación de imagen ...................................................... 13 2.1.2 Modelo de señal .................................................................................. 14 2.1.3 Movimiento del blanco. Generación de gradiente Doppler ................... 18 2.2 Sistemas SAR ............................................................................................ 19 2.2.1 Principales modos de operación .......................................................... 20 2.2.1.1 Modo stripmap .............................................................................. 20 2.2.1.2 Modo spotlight .............................................................................. 22 2.2.2 Modelo de señal .................................................................................. 23 2.3 Parámetros de calidad de imágenes radar ................................................. 28 2.3.1 Parámetros ligados a la respuesta impulsional .................................... 28 2.3.1.1 Resolución.................................................................................... 29 2.3.1.2 Nivel de pico de lóbulos secundarios ............................................ 29 2.3.1.3 Energía integrada en los lóbulos secundarios .............................. 30 2.3.1.4 Consideraciones ........................................................................... 30 2.3.2 Indicadores de enfocado ..................................................................... 31 2.3.2.1 Entropía ........................................................................................ 32 2.3.2.2 Contraste ...................................................................................... 32 2.3.2.3 Entropía de Rényi ......................................................................... 32 2.4 Resumen ................................................................................................... 33 3. Análisis y modelado de la propagación multitrayecto ................................. 35 3.1 Introducción. Estudio del canal radioeléctrico ............................................ 35 3.2 Nociones básicas del fenómeno del multitrayecto ...................................... 39 3.3 Modelado de la propagación multitrayecto ................................................. 41 3.3.1 Multitrayecto especular........................................................................ 41 3.3.1.1 Tierra curva .................................................................................. 42 3.3.1.1.1 Coeficiente de reflexión especular efectivo ............................ 45 3.3.1.2 Tierra plana .................................................................................. 51 3.3.2 Multitrayecto difuso ............................................................................. 52. - vii -.

(16) 3.3.2.1 Modelo simple .............................................................................. 53 3.3.2.2 Modelo exhaustivo ........................................................................ 55 3.4 Caso de estudio: influencia de la curvatura terrestre en el grado de desenfocado de los ecos multitrayecto ........................................................................ 59 3.4.1 Introducción ......................................................................................... 59 3.4.2 Tierra plana ......................................................................................... 60 3.4.3 Tierra curva ......................................................................................... 63 3.5 Resumen ................................................................................................... 64 4. Técnica de inversión temporal. Aplicación a la mitigación del fenómeno del multitrayecto ........................................................................................................ 67 4.1 Introducción ............................................................................................... 67 4.2 Concepto de inversión temporal. Peculiaridades ........................................ 73 4.3 Mitigación del multitrayecto en imágenes ISAR convencionales mediante la aplicación del concepto de inversión temporal ................................................... 76 4.3.1 Desconocimiento de la geometría ....................................................... 76 4.3.2 Estimación de la geometría mediante un algoritmo basado en subimágenes ............................................................................................................ 77 4.3.3 Estimación de la geometría a partir de la historia de fase de la señal ISAR. Algoritmo de pre-procesado ................................................................. 84 4.3.3.1 Paso 1: detección de puntos prominentes .................................... 84 4.3.3.2 Paso 2: proceso de enventanado ................................................. 85 4.3.3.3 Paso 3: estimación de la historia de fase ...................................... 85 4.3.3.4 Paso 4: estimación de la historia de distancia .............................. 85 4.3.4 Algoritmo TR-ISAR .............................................................................. 86 4.3.4.1 Paso 1: inversión temporal ........................................................... 86 4.3.4.2 Paso 2: normalización en energía................................................. 88 4.3.4.3 Paso 3: retransmisión ................................................................... 88 4.3.4.4 Paso 4: proceso de enfocado ....................................................... 89 4.3.4.5 Método alternativo basado en el principio de fase estacionaria .... 91 4.3.5 Resumen y conclusiones ..................................................................... 94 4.3.6 Simulaciones ....................................................................................... 97 4.3.6.1 Características de la simulación ................................................... 97 4.3.6.1.1 Definición del escenario ......................................................... 97 4.3.6.1.2 Modelado del blanco .............................................................. 98 4.3.6.1.3 Generación del gradiente Doppler ......................................... 99 4.3.6.1.4 Parámetros de configuración del radar LFMCW .................. 100 4.3.6.2 Resultados y conclusiones ......................................................... 101 4.3.6.2.1 Dos dispersores puntuales sin proceso de enventanado ..... 102 4.3.6.2.2 Dos dispersores puntuales con proceso de enventanado .... 105 4.3.6.2.3 Blanco extenso con proceso de enventanado ...................... 107 4.4 Mitigación del multitrayecto en imágenes SAR convencionales mediante la aplicación del concepto de inversión temporal ................................................. 112. - viii -.

(17) 4.4.1 Estimación de la geometría ............................................................... 112 4.4.2 Algoritmo TR-SAR ............................................................................. 115 4.4.3 Simulaciones ..................................................................................... 116 4.4.3.1 Características de la simulación ................................................. 116 4.4.3.2 Resultados y conclusiones ......................................................... 118 4.5 Análisis de prestaciones frente al ruido .................................................... 121 4.6 Resumen ................................................................................................. 123 5. Mejora de la técnica de inversión temporal mediante algoritmos de preprocesado .......................................................................................................... 127 5.1 Introducción ............................................................................................. 127 5.2 Multilook averaging .................................................................................. 127 5.3 Transformadas tiempo-frecuencia ............................................................ 128 5.3.1 Introducción....................................................................................... 128 5.3.2 Metodología ...................................................................................... 129 5.3.3 Transformadas tiempo-frecuencia lineales ........................................ 131 5.3.4 Transformadas tiempo-frecuencia cuadráticas .................................. 131 5.4 Transformada de Radon .......................................................................... 132 5.5 Resultados con datos simulados y conclusiones...................................... 135 5.5.1 Multilook averaging ........................................................................... 135 5.5.2 Transformadas tiempo-frecuencia ..................................................... 137 5.5.3 Transformada de Radon.................................................................... 140 5.6 Resumen ................................................................................................. 144 6. Mejora de la técnica de inversión temporal mediante algoritmos de postprocesado .......................................................................................................... 147 6.1 Introducción ............................................................................................. 147 6.2 Técnicas de superresolución.................................................................... 149 6.2.1 Estimación espectral lineal basada en coeficientes de auto-regresión (AR) .......................................................................................................... 150 6.2.2 Métodos de Capon y predicción lineal ............................................... 151 6.2.3 Clasificación de señales múltiples (MUSIC) y método de los autovectores (EV) .................................................................................................... 153 6.3 Resultados con datos simulados y conclusiones...................................... 155 6.4 Resumen ................................................................................................. 160 7. Evaluación y análisis de prestaciones mediante datos experimentales... 163 7.1 7.2 7.3 7.4 7.5. Interés y relevancia del estudio experimental........................................... 163 Escenarios de captura ............................................................................. 164 Parámetros de configuración de los radares LFMCW .............................. 166 Procedimiento de mitigación del fenómeno del multitrayecto ................... 169 Resultados ............................................................................................... 170. - ix -.

(18) 7.5.1 Caso de estudio 1 ............................................................................. 171 7.5.2 Caso de estudio 2 ............................................................................. 176 7.5.3 Caso de estudio 3 ............................................................................. 178 7.5.4 Caso de estudio 4 ............................................................................. 180 7.5.5 Caso de estudio 5 ............................................................................. 183 7.6 Resumen ................................................................................................. 186 8. Epílogo........................................................................................................... 189 8.1 Conclusiones ........................................................................................... 189 8.2 Líneas de investigación futuras ................................................................ 195 Apéndice. Algoritmos de formación de imagen SAR ..................................... 201 A.1 Introducción ............................................................................................. 201 A.2 Consideraciones previas .......................................................................... 202 A.2.1 Problemática de la curvatura en distancia ......................................... 202 A.2.2 Problemática de los errores de movimiento ....................................... 203 A.2.3 Técnicas de compensación del MTRC .............................................. 204 A.3 Antecedentes ........................................................................................... 205 A.4 Algoritmo RMA ......................................................................................... 206 A.4.1 Descripción del algoritmo .................................................................. 206 A.4.1.1 Paso 1: transformada de Fourier acimutal .................................. 207 A.4.1.2 Paso 2: filtro de fases adaptado ................................................. 208 A.4.1.3 Paso 3: interpolación de Stolt ..................................................... 208 A.4.1.4 Paso 4: transformada de Fourier bidimensional inversa ............. 209 A.4.2 Caso de estudio ................................................................................ 209 Bibliografía ......................................................................................................... 217. -x-.

(19) Índice de figuras Fig. 2.1. Algoritmo básico de formación de imagen ISAR: RDA (Range Doppler Algorithm) ......................................................................................................... 14 Fig. 2.2. Frecuencia instantánea de un radar LFMCW .......................................... 15 Fig. 2.3. Modo stripmap: sin squint (izquierda) y con squint (derecha).................. 21 Fig. 2.4. Modo spotlight ........................................................................................ 22 Fig. 2.5. Compensación de movimiento en los modos stripmap y spotlight........... 24 Fig. 2.6. Respuesta impulsional teórica ................................................................ 31 Fig. 3.1. Mecanismos de caracterización de un canal radioeléctrico móvil de banda ancha y sus efectos .................................................................................. 37 Fig. 3.2. Clasificación de canales ......................................................................... 38 Fig. 3.3. Modelo de multitrayecto especular basado en 4 rayos............................ 42 Fig. 3.4. Problema geométrico de reflexión para Tierra curva ............................... 43 Fig. 3.5. Permitividad relativa de la superficie ....................................................... 47 Fig. 3.6. Conductividad eléctrica de la superficie .................................................. 47 Fig. 3.7. Determinación del criterio de Rayleigh .................................................... 50 Fig. 3.8. Problema geométrico de reflexión para Tierra plana ............................... 51 Fig. 3.9. Problema geométrico de reflexión para superficies rugosas (multitrayecto difuso) ............................................................................................................ 52 Fig. 3.10. Evolución de los factores de dispersión especular y difuso en función del factor de rugosidad de la superficie ............................................................... 54 Fig. 3.11. Caso de estudio para Tierra plana: problema geométrico de reflexión .. 61 Fig. 3.12. Caso de estudio para Tierra plana: imagen SAR con multitrayecto....... 61 Fig. 3.13. Caso de estudio para Tierra plana: QPE del eco multitrayecto ............. 62 Fig. 3.14. Caso de estudio para Tierra curva: imagen SAR con multitrayecto ....... 63 Fig. 3.15. Caso de estudio para Tierra curva: QPE del eco multitrayecto ............. 63 Fig. 4.1. Diagrama de bloques del algoritmo final ................................................. 70 Fig. 4.2. Proceso de enfocado en Time Reversal. (a) Transmisión de la señal original a través de un entorno muy dispersivo. (b) Retransmisión de la señal invertida en el tiempo por ese mismo medio ..................................................... 74 Fig. 4.3. Síntesis del algoritmo basado en subimágenes ...................................... 79 Fig. 4.4. Imagen ISAR convencional compuesta de un barco con multitrayecto ... 80 Fig. 4.5. Imagen del barco tras aplicar TR-ISAR (desdoblamiento en Doppler) .... 80 Fig. 4.6. Imagen del barco tras aplicar TR-ISAR (haciendo uso de las distancias ideales) .......................................................................................................... 81 Fig. 4.7. Imagen ISAR convencional compuesta de una cubierta de barco con multitrayecto ........................................................................................................ 82 Fig. 4.8. Imagen de la cubierta de barco tras aplicar TR-ISAR (desdoblamiento en Doppler) ......................................................................................................... 82. - xi -.

(20) Fig. 4.9. Imagen de la cubierta de barco tras aplicar TR-ISAR (haciendo uso de las distancias ideales) ......................................................................................... 83 Fig. 4.10. Visión de conjunto de los algoritmos propuestos................................... 95 Fig. 4.11. Problema geométrico de reflexión para un escenario complejo ............ 98 Fig. 4.12. Distribución de los dispersores que conforman el blanco simulado ....... 99 Fig. 4.13. Imagen ISAR compuesta de dos dispersores puntuales con multitrayecto severo ...................................................................................................... 102 Fig. 4.14. Historia de fase de los puntos prominentes (sin proceso de enventanado) ............................................................................................................... 103 Fig. 4.15. Historia de fase desenrollada de los puntos prominentes (sin proceso de enventanado) ............................................................................................... 103 Fig. 4.16. Comparación entre la historia de distancia obtenida y la ideal para cada punto prominente (sin proceso de enventanado) ......................................... 104 Fig. 4.17. Imagen ISAR resultante tras TR-ISAR (sin proceso de enventanado) ...... .................................................................................................................... 104 Fig. 4.18. Historia de fase de los puntos prominentes (con proceso de enventanado) ............................................................................................................... 105 Fig. 4.19. Historia de fase desenrollada de los puntos prominentes (con proceso de enventanado) .......................................................................................... 106 Fig. 4.20. Comparación entre la historia de distancia obtenida y la ideal para cada punto prominente (con proceso de enventanado) ........................................ 106 Fig. 4.21. Imagen ISAR resultante tras TR-ISAR (con proceso de enventanado) ..... .................................................................................................................... 107 Fig. 4.22. Imagen ISAR del barco mostrado en la Fig. 4.12 con multitrayecto severo ................................................................................................................. 108 Fig. 4.23. Comparación entre la historia de distancia ideal del primer dispersor prominente y las obtenidas para diferentes tamaños de ventana. (a) ventana de 17x17, ventana de 15x15, ventana de 13x13, ventana de 11x11. (b) ventana de 9x9, ventana de 7x7, ventana de 5x5 ...................................................... 109 Fig. 4.24. Imágenes ISAR resultantes tras TR-ISAR. (a) Ventana de 17x17. (b) Ventana de 15x15. (c) Ventana de 13x13. (d) Ventana de 11x11. (e) Ventana de 9x9. (f) Ventana de 7x7. (g) Ventana de 5x5 ........................................... 111 Fig. 4.25. Imagen ISAR resultante tras TR-ISAR haciendo uso de una matriz de distancias ideales......................................................................................... 111 Fig. 4.26. Imagen SAR compuesta de tres dispersores puntuales con multitrayecto severo ...................................................................................................... 117 Fig. 4.27. Imagen tras TR-SAR: enfocado exacto en los blancos deseados ....... 118 Fig. 4.28. Imagen tras TR-SAR: enfocado erróneo ............................................. 119 Fig. 4.29. Análisis de prestaciones frente al ruido: estimación del error cuadrático medio ........................................................................................................... 122 Fig. 4.30. Error cuadrático medio versus SNR (promedio de 100 realizaciones)....... .................................................................................................................... 123 Fig. 5.1. Síntesis del procedimiento de aplicación de transformadas tiempo-frecuencia ........................................................................................................ 130. - xii -.

(21) Fig. 5.2. Diagrama ilustrativo del cálculo de la transformada de Radon de una imagen: rotación (izquierda) e integración no coherente por columnas (derecha) .................................................................................................................... 133 Fig. 5.3. Ejemplo de multilook averaging ............................................................ 136 Fig. 5.4. Imágenes ISAR resultantes tras TR-ISAR con (derecha) y sin (izquierda) multilook averaging ...................................................................................... 137 Fig. 5.5. Imágenes ISAR antes y después de aplicar transformadas tiempo-frecuencia. (a) Imagen de partida corrupta de multitrayecto. (b) Imagen tras STFT. (c) Imagen tras WVD. (d) Imagen tras CWD ..................................... 138 Fig. 5.6. Imágenes ISAR tras TR-ISAR. (a) Sin hacer uso de ninguna transformada tiempo-frecuencia. (b) Con STFT. (c) Con WVD. (d) Con CWD .............. 140 Fig. 5.7. Imagen ISAR con multitrayecto en el dominio distancia-Doppler (izquierda) y su homóloga en el dominio de Radon (derecha) ................................. 141 Fig. 5.8. Imágenes filtradas correspondientes a las líneas horizontales y verticales del blanco, tanto en el dominio de Radon (izquierda) como en distanciaDoppler (derecha) ........................................................................................ 141 Fig. 5.9. Imágenes ISAR resultantes tras TR-ISAR con (derecha) y sin (izquierda) procesado previo basado en la transformada de Radon .............................. 142 Fig. 5.10. Imagen ideal con ruido (izquierda) y su homóloga en el dominio de Radon (derecha) .......................................................................................... 143 Fig. 5.11. Imágenes filtradas correspondientes a las líneas horizontales y verticales del blanco, tanto en el dominio de Radon (izquierda) como en el original (derecha) ..................................................................................................... 143 Fig. 6.1. Síntesis del procedimiento de aplicación de algoritmos de superresolución .................................................................................................................... 149 Fig. 6.2. Imágenes ISAR resultantes tras TR-ISAR (izquierda) y con estimación espectral basada en coeficientes AR (derecha) ........................................... 155 Fig. 6.3. Imágenes ISAR obtenidas con el método de Capon (izquierda) y predicción lineal (derecha)..................................................................................... 156 Fig. 6.4. Imágenes ISAR obtenidas con MUSIC (izquierda) y el método EV (derecha) ............................................................................................................. 157 Fig. 6.5. Corte de la cubierta del barco simulado en la dimensión Doppler para las imágenes de las Figs. 6.2, 6.3 y 6.4............................................................. 159 Fig. 6.6. Corte de los palos del barco simulado en la dimensión de distancia para las imágenes de las Figs. 6.2, 6.3 y 6.4 ....................................................... 160 Fig. 7.1. Primer escenario de captura de datos experimentales.......................... 165 Fig. 7.2. Segundo escenario de captura de datos experimentales ...................... 166 Fig. 7.3. Bloques principales del primer radar LFMCW empleado para capturar datos experimentales ....................................................................................... 167 Fig. 7.4. Bloques principales del segundo radar LFMCW empleado para capturar datos experimentales ................................................................................... 167 Fig. 7.5. Diagrama de bloques del algoritmo final para datos experimentales..... 169 Fig. 7.6. Caso de estudio 1: escenario de captura de datos experimentales....... 172 Fig. 7.7. Caso de estudio 1: imagen ISAR con multitrayecto .............................. 173. - xiii -.

(22) Fig. 7.8. Caso de estudio 1: imágenes ISAR resultantes tras TR-ISAR. (a) Sin superresolución. (b) Estimación espectral basada en coeficientes AR. (c) Método de Capon. (d) Método de predicción lineal. (e) Algoritmo MUSIC. (f) Método EV ........................................................................................................... 174 Fig. 7.9. Caso de estudio 1: imágenes ISAR resultantes tras TR-ISAR con pre-procesado basado en multilook averaging. (a) Sin superresolución. (b) Estimación espectral basada en coeficientes AR. (c) Método de Capon. (d) Método de predicción lineal. (e) Algoritmo MUSIC. (f) Método EV ................................. 175 Fig. 7.10. Caso de estudio 2: escenario de captura de datos experimentales ..... 176 Fig. 7.11. Caso de estudio 2: imagen ISAR con multitrayecto............................. 177 Fig. 7.12. Caso de estudio 2: imágenes ISAR resultantes tras TR-ISAR con preprocesado basado en multilook averaging. (a) Sin superresolución. (b) Estimación espectral basada en coeficientes AR. (c) Método de Capon. (d) Método de predicción lineal. (e) Algoritmo MUSIC. (f) Método EV ............................ 178 Fig. 7.13. Caso de estudio 3: escenario de captura de datos experimentales ..... 179 Fig. 7.14. Caso de estudio 3: imagen ISAR con multitrayecto............................. 179 Fig. 7.15. Caso de estudio 3: imágenes ISAR resultantes tras TR-ISAR con preprocesado basado en multilook averaging. (a) Sin superresolución. (b) Estimación espectral basada en coeficientes AR. (c) Método de Capon. (d) Método de predicción lineal. (e) Algoritmo MUSIC. (f) Método EV ............................ 180 Fig. 7.16. Caso de estudio 4: escenario de captura de datos experimentales ..... 181 Fig. 7.17. Caso de estudio 4: imagen ISAR con multitrayecto............................. 182 Fig. 7.18. Caso de estudio 4: imagen ISAR con multitrayecto (con escala reducida y sin clutter a frecuencia Doppler cero) ........................................................ 182 Fig. 7.19. Caso de estudio 4: imágenes ISAR resultantes tras TR-ISAR con preprocesado basado en multilook averaging. (a) Sin superresolución. (b) Estimación espectral basada en coeficientes AR. (c) Método de Capon. (d) Método de predicción lineal. (e) Algoritmo MUSIC. (f) Método EV ............................ 183 Fig. 7.20. Caso de estudio 5: escenario de captura de datos experimentales ..... 184 Fig. 7.21. Caso de estudio 5: imagen ISAR con multitrayecto............................. 184 Fig. 7.22. Caso de estudio 5: imagen ISAR con multitrayecto (con escala reducida y sin clutter a frecuencia Doppler cero) ........................................................ 185 Fig. 7.23. Caso de estudio 5: imágenes ISAR resultantes tras TR-ISAR con preprocesado basado en multilook averaging. (a) Sin superresolución. (b) Estimación espectral basada en coeficientes AR. (c) Método de Capon. (d) Método de predicción lineal. (e) Algoritmo MUSIC. (f) Método EV ............................ 186 Fig. A.1. MTRC por curvatura en distancia de cada dispersor ............................ 211 Fig. A.2. Señal bidimensional tras la FFT acimutal ............................................. 211 Fig. A.3. Señal bidimensional tras la FFT acimutal comprimida en distancia ...... 212 Fig. A.4. Señal bidimensional tras el filtro de fases adaptado ............................. 212 Fig. A.5. Señal bidimensional tras el filtro de fases adaptado comprimida en distancia ........................................................................................................... 213 Fig. A.6. Señal bidimensional tras la interpolación de Stolt ................................. 214. - xiv -.

(23) Fig. A.7. Señal bidimensional tras la interpolación de Stolt comprimida en distancia ................................................................................................................ 214 Fig. A.8. Imagen SAR tras la FFT bidimensional inversa .................................... 215. - xv -.

(24) - xvi -.

(25) Índice de tablas Tabla 3.1. Altura significativa de las olas en función del estado del mar ............... 50 Tabla 3.2. Caso de estudio para Tierra plana: parámetros imagen SAR con multitrayecto .......................................................................................................... 62 Tabla 3.3. Caso de estudio para Tierra curva: parámetros imagen SAR con multitrayecto .......................................................................................................... 64 Tabla 4.1. Parámetros de configuración del radar LFMCW para el ejemplo simulado en la Fig. 4.12 ...................................................................................... 101 Tabla 4.2. Parámetros de configuración del radar chirp pulsado para el ejemplo simulado en la Fig. 4.26 ................................................................................. 117 Tabla 4.3. Evolución de los indicadores de enfocado ......................................... 120 Tabla 5.1. Indicadores de enfocado correspondientes a las imágenes de la Fig. 5.5 .................................................................................................................... 139 Tabla 6.1. Indicadores de enfocado correspondientes a las imágenes de las Figs. 6.2, 6.3 y 6.4 ................................................................................................ 158 Tabla 7.1. Parámetros del primer radar LFMCW empleado para capturar datos experimentales ................................................................................................ 168 Tabla 7.2. Parámetros del segundo radar LFMCW empleado para capturar datos experimentales ............................................................................................ 168 Tabla A.1. Localización de los dispersores puntuales en el escenario simulado . 210 Tabla A.2. Parámetros del sistema SAR ............................................................. 210. - xvii -.

(26) - xviii -.

(27) Lista de acrónimos ADC AIC AM ATR CPI CSA CWD DFT DOA EV FFT GMR GNSS GPS HRR IIR IMU/INS IPRWR IQ IRAMS ISAR ISLR ITU-R. LFMCW LOS MO-CO MTRC MUSIC PFA. Analog-to-Digital Converter. Conversor analógico-digital. Akaike Information Criterion. Criterio extendido de Akaike. Amplitude Modulation. Modulación de amplitud. Automatic Target Recognition. Reconocimiento automático de blancos. Coherent Processing Interval. Intervalo de procesado coherente. Chirp Scaling Algorithm. Algoritmo de escalado de chirp. Choi-Williams Distribution. Distribución de Choi-Williams. Discrete Fourier Transform. Transformada discreta de Fourier. Direction Of Arrival. Detección de ángulo de llegada. Eigenvector Method. Método de los autovectores. Fast Fourier Transform. Transformada rápida de Fourier. Group of Microwave and Radar. Grupo de Microondas y Radar. Global Navigation Satellite System. Sistemas globales de navegación por satélite. Global Positioning System. Sistema de posicionamiento global. High Resolution Radar. Radar de alta resolución. Infinite Impulse Response. Respuesta al impulso infinita. Inertial Measuring Unit/Inertial Navigation System. Unidad de medida inercial/Sistema de navegación inercial. Impulse Response Width Ratio. Relación de anchura de la respuesta impulsional. In-phase and Quadrature. En fase y cuadratura. Image Reconstruction Algorithm for Multipath Scattering. Algoritmo de reconstrucción de imagen para dispersión del multitrayecto. Inverse Synthetic Aperture Radar. Radar de apertura sintética inversa. Integrated Sidelobe Ratio. Relación de lóbulos laterales integrados. International Telecommunication Union – Radiocommunication Sector. Unión Internacional de Telecomunicaciones – Sector de Radiocomunicaciones. Linear Frequency Modulated Continuous Wave. Onda continua modulada linealmente en frecuencia. Line Of Sight. Línea de visión. Motion Compensation Algorithm. Algoritmo de compensación de movimiento. Migration Through Resolution Cells. Migración a través de celdas de resolución. Multiple Signal Classification. Clasificación de señales múltiples. Polar Format Algorithm. Algoritmo en formato polar.. - xix -.

(28) PRF PSF PSLR PSP QPE RCS RDA RFA RMA RVP SAR SBMC SLAR SNR STFT TFT TR TR-ISAR TR-SAR WMO WVD. Pulse Repetition Frequency. Frecuencia de repetición de pulsos. Point Spread Function. Función de ensanchamiento puntual. Peak Sidelobe Ratio. Relación de pico de lóbulos laterales. Principle of Stationary Phase. Principio de fase estacionaria. Quadratic Phase Error. Error de fase cuadrático. Radar Cross Section. Sección transversal radar. Range Doppler Algorithm. Algoritmo distancia-Dopper. Rectangular Format Algorithm. Algoritmo en formato rectangular. Range Migration Algorithm. Algoritmo de migración en distancia. Residual Video Phase. Fase residual de vídeo. Synthetic Aperture Radar. Radar de apertura sintética. Signal Based Motion Compensation. Compensación de movimiento basada en señal. Side-Looking Airborne Radar. Radar embarcado de vista lateral. Signal-to-Noise Ratio. Relación señal a ruido. Short Time Fourier Transform. Transformada de Fourier en tiempo corto. Time-Frequency Transform. Transformada tiempo-frecuencia. Time Reversal. Inversión temporal. Time Reversal ISAR. Inversión temporal ISAR. Time Reversal SAR. Inversión temporal SAR. World Meteorological Organization. Organización Meteorológica Mundial. Wigner-Ville Distribution. Distribución de Wigner-Ville.. - xx -.

(29) Capítulo 1. 1. INTRODUCCIÓN En los últimos tiempos, el potencial de los sistemas radar ha ido creciendo a un ritmo vertiginoso. Las nuevas aplicaciones, tanto en el ámbito militar como en el plano civil, requieren la obtención de una información más exhaustiva del blanco. Hasta ahora, bastaba con saber su posición, dirección y velocidad aproximadas, sin embargo, la necesidad de una mayor seguridad y control implica un mayor grado de precisión, e incluso la obtención de una “imagen radar” del blanco para poder clasificarlo o identificarlo. El desarrollo de técnicas de procesado digital de señal permite a los diseñadores de sistemas radar la consecución de estas nuevas características. En la actualidad, es posible generar y procesar modulaciones de gran ancho de banda y muy alta calidad [Jim04], como por ejemplo, señales moduladas linealmente en frecuencia (conocidas como señales chirp, normalmente pulsos o rampas), las cuales ofrecen la posibilidad de aplicar técnicas de compresión en recepción [Weh95]. A su vez, el empleo de bandas de frecuencia superiores ha facilitado el desarrollo de receptores capaces de muestrear grandes anchos de banda (de varios gigahercios), consiguiéndose así resoluciones en distancia ( ρ r ) del orden de los centímetros [Sko90, Sko01, Nat91], pues su dependencia con el ancho de banda transmitido (B) viene dada por: c , (1.1) ρr = 2B donde c es la velocidad de la luz. Todo ello ha dado paso a los radares de alta resolución (High Resolution Radar, HRR), lo cual ha sido posible a un precio razonable puesto que su uso ha sido extendido en múltiples y muy diversos ámbitos, posibilitando el desarrollo de sistemas versátiles y multifuncionales, es decir, la nueva generación de radares [Adl98]. En definitiva, se ha logrado obtener una información más exhaustiva sobre la forma del blanco (firma radar) en la dimensión de distancia (también conocida como dimensión radial o slant-range). No obstante, esto sólo posibilita la extracción de información en una sola dimensión, por lo que el salto cualitativo de estos sistemas es la obtención de imágenes que sean capaces de competir con los sistemas ópticos o térmicos.. -1-.

(30) 1.1. FENÓMENOS DE DEGRADACIÓN. El elemento que fija la resolución en la segunda dimensión (acimutal, longitudinal o cross-range, relacionada con el efecto Doppler) es la antena del sistema. Para conseguir haces muy estrechos, y por tanto, una buena resolución acimutal, se necesitan aperturas de varias longitudes de onda [Hov88]. Sin embargo, pese a trabajar a frecuencias elevadas en las que las longitudes de onda son pequeñas (se pueden construir antenas con tamaños razonables y haces muy estrechos), a grandes distancias dicha resolución no es lo suficientemente buena, necesitándose una solución alternativa al problema. Precisamente, la mejora de la resolución acimutal se lleva a cabo mediante técnicas basadas en procesado coherente o procesado Doppler: técnicas SAR (Synthetic Aperture Radar, radar de apertura sintética) [Car95, Wil95, Men81, Cum05, Ran82, Cur91, Hov80] e ISAR (Inverse Synthetic Aperture Radar, radar de apertura sintética inversa) [Che80, Aus84, Weh95, Che01, Che02], cuyo propósito es formalmente idéntico, puesto que ambos sistemas aspiran a generar una apertura sintética de gran tamaño aprovechándose del movimiento relativo entre radar y blanco. Sin lugar a dudas, la diferencia más destacable entre estos sistemas radica en que los radares SAR se encuentran embarcados en plataformas aéreas –tripuladas o no tripuladas [Cam05, Wez07, She12, Unm12, Cof02, Oll07]– que describen una trayectoria rectilínea, mientras que en la técnica ISAR se intercambian los papeles de radar y blanco: el radar se encuentra estático y es el blanco el que se mueve. En consecuencia, el concepto de síntesis de señal en SAR implica la suma coherente de las señales recibidas en una serie de posiciones equiespaciadas a lo largo de la trayectoria rectilínea de vuelo –posiciones conocidas, salvo errores de movimiento remanentes [Car95, Gon09]–, lo cual difiere de la filosofía ISAR, en la que el movimiento relativo entre radar y blanco es desconocido. Por esta razón, los sistemas ISAR son empleados para iluminar blancos móviles no-cooperativos. Es importante enfatizar que la tasa de rotación de un blanco no-cooperativo es desconocida, y a su vez, su determinación no resulta trivial. Por consiguiente, el escalado de una imagen ISAR en la dirección acimutal (medida en metros) no es directo, de ahí que sea habitualmente expresada en la dimensión Doppler (medida en hercios): imágenes slant-range – Doppler. Como consecuencia de este procesado coherente, el haz se comprime. Es decir, se logra una resolución acimutal ( ρ a ) considerablemente mejor que la proporcionada por el ancho de haz de la antena del sistema radar, que será más fina a medida que el cambio en el ángulo de aspecto del blanco durante el tiempo de iluminación ( ∆θ ) sea mayor: λ , (1.2) ρa = 2∆θ siendo λ la longitud de onda.. -2-.

(31) 1. INTRODUCCIÓN. En otras palabras, cuanto mayor sea dicho movimiento relativo, más grande será la apertura sintetizada, es decir, podrá lograrse una excelente resolución acimutal sin necesidad de disponer de una apertura física grande. Por consiguiente, será posible discriminar en acimut dispersores situados en la misma celda de distancia. No obstante, en el caso de ISAR se debe satisfacer una condición para que esto mismo sea una realidad. Cada dispersor induce una frecuencia Doppler diferente en los ecos recibidos por el radar en función de su ángulo de observación, y en este caso, será necesario que el gradiente Doppler existente entre los dispersores (la diferencia de frecuencias Doppler inducidas) sea mayor que la resolución Doppler ( ρ Dp ) [Weh95, Che01, Che02]: 1 , (1.3) CPI donde CPI es el intervalo de procesado coherente (Coherent Processing Interval) o tiempo de iluminación, es decir, el intervalo temporal procesado en el que el blanco se encuentra bajo la acción del haz del radar.. ρ Dp =. En definitiva, los sistemas SAR e ISAR son capaces de ofrecer imágenes radar de alta resolución en las que se pueden apreciar la forma y/o características de objetos de interés, superándose por tanto una importante restricción física que provocaba que la resolución en acimut fuese muy inferior a la que se obtenía en distancia, lo cual es algo impensable en una imagen, donde es imprescindible tener una resolución comparable en ambas dimensiones. Finalmente, cabe destacar que los radares imagen abarcan diferentes modos de operación, así como numerosas aplicaciones, lo que les ha abierto muchas puertas en la puesta en marcha de tecnologías innovadoras. Por todo ello, los sistemas SAR e ISAR se han convertido con el paso de los años en técnicas de detección, localización y reconocimiento de reconocido prestigio, y se siguen perfilando a día de hoy como una solución atractiva para los futuros sistemas radar.. 1.1. FENÓMENOS DE DEGRADACIÓN. El uso de longitudes de onda centimétricas y milimétricas convierte a las técnicas SAR e ISAR en sistemas “todo tiempo”, puesto que son capaces de trabajar bajo condiciones atmosféricas adversas (por ejemplo, en un entorno caracterizado por una densa niebla) y de proporcionar imágenes en cualquier momento del día. Estas longitudes de onda se caracterizan por tener un tamaño superior al de las partículas constituyentes de la atmósfera y, por lo tanto, no son dispersadas ni atenuadas por el medio de propagación. No obstante, cabe destacar que la atenuación que sufrirá la señal sí será considerable para frecuencias superiores a 10 GHz. -3-.

(32) 1.1. FENÓMENOS DE DEGRADACIÓN. y/o para distancias relativamente largas. Aun así, estas técnicas radar ofrecen una alternativa a los sistemas ópticos e infrarrojos convencionales (cámaras en el visible, cámaras pasivas infrarrojas o sistemas láser radar [Hov88, Jel92, Osc96]), los cuales pueden ver reducidas sus prestaciones por el mero hecho de trabajar con una longitud de onda de tamaño comparable al de dichas partículas. Sin embargo, existen otros efectos a los que las técnicas SAR e ISAR no son capaces de hacer frente de forma tan eficiente. Se trata de una serie de factores degradantes, tanto internos como externos al propio sistema SAR o ISAR, que pueden poner en entredicho la calidad visual de la imagen obtenida. Pueden deberse a diferentes fuentes, y resulta esencial llevar a cabo un análisis exhaustivo del problema en cada caso, como paso previo al diseño de técnicas de mitigación eficientes que permitan obtener una imagen radar con un grado de detalle aceptable. En un primer gran bloque, podrían agruparse aquellos efectos que son consecuencia del comportamiento de los blancos y de la propagación de la señal. Un ejemplo claro lo constituye la propagación multitrayecto debida a la superposición de un rayo directo y de uno o varios rayos reflejados (atenuados y retardados con respecto a la componente directa), o la combinación coherente de esos ecos aleatorios que se produce en cada celda de resolución: por un lado, la amplitud se ve afectada por un ruido multiplicativo (ruido speckle), y por otro lado, la fase se ve degradada por un ruido aditivo (ruido de fase). El primero de ellos, el fenómeno del multitrayecto, se manifiesta en un sistema radar convencional como una variación de la potencia recibida desde el blanco debido a la interferencia constructiva (suma en fase) y destructiva (suma en contrafase) que tiene lugar en el receptor [Her08, Hal96, Mah98, Bar79], lo que puede modificar el alcance del sistema. Adicionalmente, puede incluir una componente ruidosa como consecuencia de la reflexión difusa (incoherente con la señal deseada) que se produce cuando un rayo incide sobre una superficie rugosa, lo que da lugar a una cantidad importante de rayos reflejados en varias direcciones del espacio. Concretamente, en los radares SAR e ISAR, las reflexiones secundarias debidas al multitrayecto se traducen en la aparición de una serie de ecos adicionales en las proximidades del blanco, también conocidas como “imágenes fantasma”, que se suman a la contribución del rayo directo que contiene la información del blanco bajo estudio. Estas reflexiones pueden producirse tanto en puntos de la superficie que separa al sistema radar del blanco como en dispersores próximos al blanco, y se caracterizan por tener una naturaleza aleatoria. En consecuencia, además de oscurecer la imagen y empeorar su calidad visual, podrían llegar a enmascarar al blanco deseado, provocando que su detección sea casi imposible en algunos casos.. -4-.

(33) 1. INTRODUCCIÓN. Finalmente, destacar que pueden encontrarse en la literatura algunas técnicas destinadas a la eliminación del multitrayecto en SAR, entre las cuales destacan algunas innovadoras como la técnica TR-SAR (Time Reversal SAR) [Jin09a, Jin07a, Jin07b, Mou07, Odo08, Mou05, Liu07a, Jin09b] y el algoritmo IRAMS (Image Reconstruction Algorithm for Multipath Scattering) [Gar04a, Obu04, Gar05a, Gar02a, Gar02b, Gar03, Gar02c, Gar02d]. Sin embargo, escasean los trabajos orientados a la mitigación de este mismo fenómeno en un contexto ISAR, lo cual se abordará con detalle a lo largo de la Tesis. En cuanto al ruido speckle, su origen se explica en la rugosidad del terreno, donde es viable la existencia de dispersores importantes dentro de la misma celda de resolución [Xie02, Gag97, Par99, Guo94, Hag94, Lee09, Ami10]. El modelo de speckle asume la presencia de un gran número de reflexiones en puntos independientes con similares características de dispersión, lo que da lugar a una serie de contribuciones con diferente fase. En consecuencia, en recepción se producirán interferencias constructivas y destructivas, lo que se traduce en una modificación de la intensidad de cada píxel de la imagen. En otras palabras, se dará una fluctuación aleatoria de la amplitud de la imagen, resultado de la combinación coherente de los ecos de cada celda de resolución. Visualmente, se traduce en una textura granulosa que puede dificultar la interpretación de las imágenes, principalmente la determinación de los bordes de los blancos extensos y la detección de los blancos puntuales. Entre los métodos para la reducción de ruido speckle destacan el multilook processing (no coherente), los filtros lineales adaptativos basados en las propiedades estadísticas locales de la imagen y las innovadoras técnicas basadas en la transformada wavelet [Xie02, Gag97]. Por lo que respecta al ruido de fase, este fenómeno es capaz de degradar con mucha facilidad la calidad de la imagen dado que buena parte de la información utilizada para obtenerla va incorporada en la fase, de ahí que no solamente provoque un efecto de granulado en la imagen sino también una cierta deformación de la escena observada [Lop02, Lee98, Abd08, Zha08, Cai08, Men07, Bia11]. En el domino real sigue un modelo de ruido aditivo en fase, mientras que tanto en el dominio complejo como en el dominio wavelet tiene un comportamiento aditivo y multiplicativo al mismo tiempo. Tiene especial relevancia en Interferometría SAR [Car95, Lop02, Lee98, Zha08, Cai08, Men07]. Los métodos para mitigar el ruido de fase son: los filtros no adaptados a las variaciones locales del nivel de ruido (filtros multilook [Lop02, Lee98], de mediana, gaussiano bidimensional…), las técnicas basadas en filtrado adaptativo (filtros basados en las propiedades estadísticas locales, técnicas basadas en el dominio de Fourier, algoritmos de multiresolución [Cai08], filtros no lineales [Men07]…) y las técnicas en el dominio wavelet [Lop02, Abd08, Zha08].. -5-.

(34) 1.1. FENÓMENOS DE DEGRADACIÓN. El otro gran bloque analizado abarca aquellos efectos nocivos originados por los equipos de transmisión, recepción y procesado de señal del sistema SAR o ISAR, los cuales tienden a introducir en la imagen ruidos de distinta naturaleza: ruido térmico, ruido de oscilador local, etc. En contra de lo que sucedía con el ruido speckle, el ruido térmico [Car95] es independiente del nivel de señal recibido y se trata de un ruido aditivo, por lo que existirá incluso cuando no llegue señal al receptor. Sin embargo, también provoca un granulado que podrá dificultar la correcta interpretación de las imágenes. El ruido de oscilador local es un caso particular de ruido de fase [Kri06]. Viene caracterizado por una máscara que define su espectro continuo en términos de dBc/Hz. La magnitud especificada es la atenuación en decibelios de las bandas laterales de ruido integradas en 1 Hz de ancho de banda relativa a la potencia de la portadora. En un segundo plano, dentro de este grupo también se incluirían otros fenómenos de degradación como los desequilibrios IQ (en fase y cuadratura) de amplitud y fase, el ruido de cuantificación, el jitter, los productos de intermodulación y espurios, etc. En resumen, aunque todos estos fenómenos de degradación pueden resultar muy perjudiciales (y por tanto, merece la pena estudiar con detalle las técnicas de mitigación correspondientes para cada caso), esta Tesis únicamente abordará, con un gran grado de exhaustividad, el modelado y la posterior mitigación del fenómeno de multitrayecto. A su vez, su alcance es limitado ya que se centra exclusivamente en el ámbito de los radares imagen. No obstante, es muy importante destacar que el interés que despierta este problema va mucho más allá. Bien conocidos son algunos de los trabajos realizados en el campo de las comunicaciones wireless [Kim00, Ges97, Van96]; al mismo tiempo, existen otros muchos ámbitos en los que también se intenta minimizar el efecto del multitrayecto con objeto de mejorar las prestaciones de los sistemas afectados: desde los sistemas sonar de apertura sintética [Che08, Kir04, Blo10] hasta los sistemas globales de navegación por satélite (Global Navigation Satellite System, GNSS) [Mcg99, Moe97, Irs04], como es el caso de GPS (Global Positioning System) [Axe94, Tow94, Bis94, Ge00, Kho03] y Galileo [Gar05b]. Por lo tanto, resulta evidente que el diseño de técnicas robustas frente al fenómeno del multitrayecto se sigue perfilando a día de hoy como una línea de investigación atractiva en la que, sin duda alguna, queda bastante camino por recorrer. Este hecho, junto con las razones que se exponen en la siguiente sección, justifica la motivación de esta Tesis Doctoral.. -6-.

(35) 1. INTRODUCCIÓN. 1.2. MOTIVACIÓN DE LA TESIS DOCTORAL. Nuestra principal motivación proviene del hecho de que la mayoría de las técnicas destinadas a reducir los efectos del multitrayecto, citadas en la literatura, están relacionadas con el diseño del sistema radiante [Seb09, Seb10, Bar74]. Al mismo tiempo, se da el inconveniente de que no es posible extrapolar muchos de los resultados obtenidos en otros campos (como comunicaciones wireless o acústica) al ámbito de los radares imagen. Por todas estas razones, el autor de la Tesis cree firmemente en la necesidad de diseñar técnicas de procesado de señal enfocadas a la mitigación de este fenómeno nocivo, o al menos mejorar las existentes. Precisamente, la alternativa propuesta en este trabajo consiste en una técnica innovadora en la que se aplica el concepto de inversión temporal (Time Reversal, TR) a aquellas imágenes radar en las que el blanco está contaminado de clutter, dando lugar a las técnicas TR-SAR [Jin09a, Jin07a, Jin07b, Mou07, Odo08, Mou05, Liu07a, Jin09b] y TR-ISAR, respectivamente. En esencia, a partir de una imagen radar convencional corrupta por multitrayecto, se estima la distancia entre radar y blanco para cada señal transmitida y para cada dispersor constituyente del blanco. De este modo, estas técnicas basadas en TR son capaces de enfocar en los dispersores del blanco, reduciendo así (o incluso eliminando) las “imágenes fantasma”. En otras palabras, estos algoritmos procesan la historia de fase utilizando de forma constructiva la respuesta multitrayecto de un entorno con alta densidad de clutter [Jin07a, Jin07b, Mou07]. Esta es la razón por la que TR-SAR y TR-ISAR podrían ser utilizadas para detectar la presencia de blancos, expresamente para entornos con mucho multitrayecto. Explotando esta peculiaridad, se podría emplear para monitorizar bosques o entornos urbanos, incrementando así la probabilidad de detección del blanco [Odo08]. En resumen, su objetivo final es la mejora del reconocimiento automático de blancos (Automatic Target Recognition, ATR) en escenarios con mucho multitrayecto [Jin07a]. Es importante dejar claro que el grado de sofisticación alcanzado en SAR será menor que en ISAR, puesto que los mayores esfuerzos se han concentrado en esta última técnica. Existen dos razones de peso que justifican este hecho. En primer lugar, apenas existen técnicas destinadas a mitigar el multitrayecto en ISAR, mientras que en SAR se han hecho mayores esfuerzos en este sentido. Por otro lado, el grupo de investigación que da soporte a esta Tesis (GMR, Grupo de Microondas y Radar) cuenta con datos ISAR experimentales. Sin duda alguna, esto fue un elemento clave a la hora de decantar el tema de la Tesis mayoritariamente hacia ISAR, debido a la gran relevancia que supone el poder justificar y validar los. -7-.

(36) 1.2. MOTIVACIÓN DE LA TESIS DOCTORAL. modelos teóricos simulados mediante el uso de datos experimentales medidos en entornos reales. Por este mismo motivo, para el caso concreto de ISAR, aparte del bloque basado en la técnica TR, se han diseñado un conjunto de técnicas adicionales que giran en torno a ella y cuyo cometido es mejorar sus prestaciones. Por lo tanto, el algoritmo final se compone de una serie de técnicas previas a TR (pre-procesado), TR como eje central, y por último, otro conjunto de técnicas posteriores a TR (postprocesado). Por otro lado, es posible encontrar en la literatura algunos trabajos vinculados a la cancelación de los efectos del multitrayecto en imágenes ISAR (en el epígrafe 4.1 se ampliará esta información). Entre ellos, destaca una técnica novedosa en [Gao07a], basada en un método de estimación paramétrica que utiliza la entropía de la imagen como función de coste. Básicamente, consiste en buscar los parámetros óptimos que minimizan el valor de la entropía mediante un algoritmo llamado Simulated Annealing. A su vez, cabe destacar que ha sido diseñada para blancos no-cooperativos puesto que no requiere conocer a priori los parámetros de movimiento del blanco. No obstante, esta técnica presenta un serio punto débil puesto que únicamente considera un modelo de multitrayecto especular basado en 4 rayos: la primera componente incide directamente en el blanco y regresa hacia el sistema radar también de forma directa; la segunda se refleja en la superficie durante el camino de ida pero vuelve de forma directa en el camino de vuelta; el tercer rayo no se refleja a la ida pero sí lo hace a la vuelta; y por último, el cuarto eco se refleja tanto a la ida como a la vuelta. Este estudio representa un caso muy teórico y específico de multitrayecto. Por lo tanto, resulta imprescindible tener en cuenta un modelo de multitrayecto mucho más complejo y flexible con objeto de llegar a obtener una técnica eficiente y aplicable a escenarios más realistas [Seb09, Seb10, Bar74] (por ejemplo, la técnica descrita en [Gao07a] no ofrecería buenas prestaciones en un entorno urbano). De hecho, al final del artículo los propios autores señalan que la efectividad del método aún debe ser probada mediante el uso de datos experimentales. A diferencia de este tipo de técnica, nuestra línea de investigación apuesta firmemente por el diseño de técnicas de mitigación del multitrayecto sin tener en cuenta la geometría. Esta es la clave para obtener unas buenas prestaciones. Es decir, debido a la falta de información a priori acerca de los dispersores (como por ejemplo, sus verdaderas posiciones o sus características físicas), este tipo de técnicas se ven obligadas a trabajar a ciegas. Esto provoca que la tarea de distinguir blancos de entre una serie de “imágenes fantasma” sea realmente complicada, puesto que la única información de la que se dispone es una imagen radar conven-. -8-.

(37) 1. INTRODUCCIÓN. cional contaminada de multitrayecto, y a partir de ella será necesario inferir la información de la geometría. Una vez identificado y contextualizado claramente el problema, a lo largo de los capítulos sucesivos se explicará con todo detalle la manera de proceder para conseguir los resultados esperados.. 1.3. OBJETIVOS DE LA TESIS. El objetivo fundamental de esta Tesis Doctoral es el modelado y la posterior mitigación de fenómenos de multitrayecto en imágenes radar (tanto SAR como ISAR) mediante técnicas basadas en inversión temporal. El multitrayecto es considerado como uno de los fenómenos de degradación más relevantes en SAR e ISAR, pudiendo afectar seriamente a la calidad visual de la imagen. Por este motivo, para comenzar a abordar la problemática planteada, es imprescindible llevar a cabo un análisis exhaustivo del fenómeno de multitrayecto. De este modo, se identificarán los mecanismos físicos responsables de este fenómeno y, por tanto, se dispondrá de las herramientas necesarias para implementar mediante simulación un modelo de señal SAR e ISAR que incluya el comportamiento del multitrayecto en entornos realistas. Como resultado de esta primera etapa, será posible conocer a fondo la raíz del problema y extraer una serie de conclusiones importantes a partir de las simulaciones pertinentes. Por consiguiente, en base a esta información, se estará en condiciones de diseñar técnicas de mitigación eficientes capaces de minimizar los efectos nocivos del multitrayecto sobre imágenes radar. Al mismo tiempo, es necesario llevar a cabo una cuidadosa revisión bibliográfica del estado del arte de las técnicas de mitigación del multitrayecto en diferentes ámbitos de aplicación. El objetivo final será determinar qué tipo de técnica se adapta mejor al problema en cuestión (en nuestro caso, la inversión temporal ha resultado ser la más adecuada para combatir estos efectos indeseados). No obstante, la obtención de imágenes radar de muy buena calidad también puede implicar la aplicación de una serie de técnicas de procesado de señal avanzadas que mejoren las prestaciones de la inversión temporal. Entre ellas, destacan los algoritmos de superresolución, el multilook averaging, las transformadas tiempo-frecuencia y la transformada de Radon. Finalmente, la validación de los modelos matemáticos teóricos (simulaciones) mediante datos experimentales pondrá el punto y final al presente trabajo. Para. -9-.