这是《雷达成像技术》学习记录的第 9 篇，对应第五章"合成孔径雷达成像算法"。
第五章一上来就是 R-D、CS、FS、RMA、PFA 五种算法，我当时读得很痛苦，因为它们全是步骤和相位因子。于是我把问题提了出来：
距离走动和距离弯曲我还是没理解，距离单元是什么也没理解，距离徙动是什么？另外那些算法的步骤我不太想了解，我感觉没必要理解太深——我用的是深度学习处理图像。
结论是：对我来说，第五章只需要三个词——距离单元、距离走动、距离弯曲（合起来叫距离徙动）。算法步骤是给做雷达信号处理的人看的。这篇就记录这三个词。
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（本篇）
- 10 第六章：飞机颠簸一下，SAR 图像为什么会糊
- 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
一、距离单元：雷达在距离方向上的「最小格子」
距离单元 = 雷达在距离方向上能分辨的最小格子。
类比：你拿一把最小刻度 1 毫米的尺子量东西——你只能读到 1 毫米，读不到 0.5 毫米。「1 毫米」就是你尺子的最小分辨单位。
雷达也一样：
- 发射宽带信号，经过脉冲压缩得到一个很窄的脉冲；
- 这个窄脉冲对应的距离长度，就是距离单元；
- 雷达只能分辨到这个尺度，比它更近的两个目标就分不开。
ρ r = c / ( 2 B ) \rho_r = c/(2B)ρr=c/(2B)：带宽B BB越大，距离单元越小，分辨率越高。
我在第二章其实已经学过这个结论，但当时叫「距离分辨率」，没把它理解成一个格子。这一章把它叫做「单元」，整个问题才具体起来——因为后面所有的"走动"“弯曲”，说的都是回波从一个格子跑到另一个格子。
二、距离走动：一次项，斜视时明显
先理解大前提——距离徙动：
雷达飞行过程中，到同一个点目标的距离在不断变化，回波在距离单元间走动。
类比：你开车经过一个路灯：远处时路灯离你很远，近处时很近，过去了又变远。雷达到路灯的距离先减小、后增大，这个变化就是距离徙动。
如果这个距离变化超过一个距离单元，回波就从"第 100 个格子"跑到"第 101 个"“第 102 个”——这就是越距离单元徙动。
距离走动是其中的一次项，斜视时明显。
类比：你斜着看一排树，树在图像里整体偏移，而且这个偏移随位置线性变化。
雷达斜视时，回波在距离单元间线性移动，这就是距离走动。特点：线性、整体偏移。
三、距离弯曲：二次项，正侧视也有
距离弯曲是其中的二次项，正侧视时也存在。
类比：你正对着一排树看——树的两端还是有点弯，中间离你最近，两端离你远。
雷达正侧视时，回波在距离单元间弯曲移动，中间近、两端远，这就是距离弯曲。特点：二次、对称弯曲。
两者的区别：
| 距离走动 | 距离弯曲 | |
|---|---|---|
| 形状 | 线性（一次项） | 二次 |
| 什么时候明显 | 斜视 | 正侧视也有 |
| 类比 | 斜着看树，整体偏移 | 正着看树，两端弯 |
【此处有图：快时间-慢时间平面上点目标回波的双曲线轨迹（区分线性走动与二次弯曲）】
四、为什么距离徙动是个问题？
距离徙动 = 距离走动 + 距离弯曲。
问题在于：方位压缩要求同一个点目标的回波始终待在同一个距离单元里。
如果回波在距离单元间走动：
- 方位压缩时对不齐；
- 图像模糊。
类比：你拍一列行驶中的火车，每张照片里火车位置都不同。你想把多张照片叠加增强信号，但火车没对齐——叠加后就是一条模糊的线。
雷达也一样：点目标回波在距离单元间走动，方位压缩对不齐，图像就模糊。所以必须补偿距离徙动，把回波"扳平"到同一个距离单元里。
五、五种算法到底在干什么（只记结论）
算法步骤我全部跳过了，只记「它们分别适用于什么情况」：
| 算法 | 一句话 | 适用 |
|---|---|---|
| R-D（距离-多普勒） | 先距离压缩、再方位压缩 | 距离徙动小 |
| CS（线频调变标） | 用线频调变标，消除距离弯曲的空变性 | 距离弯曲随距离变化（大场景） |
| FS（频率变标） | 在解线频调后的信号上做变标 | 信号是解线频调形式时 |
| RMA（距离徙动算法） | 波数域直接重建（Stolt 插值） | 原理最优，不受斜视/场景限制，但慢 |
| PFA（极坐标格式） | 极坐标录取 + 插值到直角坐标 | 聚束模式、平面波近似、场景小 |
用一句话概括这一章：
各种算法就是不同的"补偿距离徙动"的方法，适用于不同的斜视角、分辨率、场景大小和信号形式。
还有一个我觉得最好用的类比：这些补偿本质上是**“把弯掉的火车轨道扳直，让所有车厢对齐”**——R-D 是粗调，CS/FS 是变标（把两边的弯曲按比例拉齐），RMA 是直接换一套坐标系重建。
六、对我（深度学习方向）来说，这一章要记住什么
这是这一章最重要的一段，我把当时的对话结论抄在这里：
- 距离单元= 雷达在距离方向上的最小格子。
- 距离走动= 回波在距离单元间线性移动（斜视明显）。
- 距离弯曲= 回波在距离单元间二次弯曲（正侧视也有）。
- 距离徙动= 走动 + 弯曲。
- 距离徙动会导致图像模糊，必须补偿。
- R-D / CS / FS / RMA / PFA 就是不同的补偿方法。
以后用深度学习处理 SAR 图像，一定会碰到：
- 有些图像有距离徙动残留；
- 有些图像有运动补偿误差；
- 这些都会影响图像质量。
你不需要自己实现补偿算法，但必须知道这些问题的存在——否则你既判断不了图像质量，也解释不了网络为什么在某些样本上学不好。
第五章最需要记住的几句话
- 距离单元 = 雷达距离方向上的最小格子。
- 距离走动 = 线性偏移；距离弯曲 = 二次弯曲。
- 距离徙动 = 两者之和，会导致图像模糊，必须补偿。
- 算法步骤不用管，知道它们是为了补偿距离徙动就行。
我的复盘
这一章我差点放弃，因为它对"用深度学习做图像"的人看起来毫无用处。但换个角度想：第五章教的其实不是算法，而是"SAR 图像的缺陷从哪来"。
想明白这一点之后，第五章从"一堆要背的算法"变成了一张图像缺陷清单：
- 图像条带方向模糊 → 可能方位压缩没对齐；
- 图像局部散焦 → 可能距离弯曲没补偿干净；
- 图像有几何形变 → 可能运动误差残留。
这份清单在下一篇（第六章 运动补偿）里会变得更长。
（下一篇：第六章 运动补偿——飞机颠簸了，图像为什么会糊，怎么救。）
