一、问题的起点：微型SAR能提供什么，又缺什么
微型SAR的价值在于突破了光学载荷的天气与光照依赖。经过射频单片集成电路、高密度数字处理与三维集成工艺的推进，机载SAR已从数百公斤级压缩至数公斤乃至百克级，功耗从数千瓦降至数十瓦，同时保持亚米级乃至厘米级分辨率。工程上可参照如下参数谱系：
| 波段 | 典型分辨率 | 作用距离 | 系统重量 | 典型功耗 |
|---|---|---|---|---|
| L | 0.5 m | 8 km | 5.8 kg | 80 W |
| C | 0.3 m | 8 km | 5.2 kg | 80 W |
| X | 0.2 m | 6 km | 3.2 kg | 80 W |
| Ku | 0.15 m | 6 km | 2.3 kg | 80 W |
| Ka | 0.15 m | 4 km | 1.6 kg | — |
| W | 0.05 m | 1 km | 0.4 kg | — |
1. 前沿样机进一步压低了重量门槛
（1）W波段某型系统整机约140 g，理论斜距分辨率优于7.5 cm，45°下视角时地距分辨率优于10.6 cm；（2）采用三维高密度集成的W波段系统体积仅67×60×50 mm³、重400 g，实测分辨率优于4.5 cm；
（3）面向微小型平台的原理样机已做到150 g重量与1.5 W功耗。
工程化侧，Ku波段2.8 kg整机、32 W功耗（处理单元12 W）搭载于15 kg级四旋翼，可实现条带模式实时成像。
2. 这三组数字直接划定了自主搜寻的可行域
（1）载荷能力通常为3–10 kg、供电200 W以内，意味着雷达、光电、红外、处理板与数据链必须共享同一份重量与功率预算；（2）高分辨率原始数据率可达数百Mbps，机载存储与下行带宽成为瓶颈；
（3）条带模式单航过幅宽多在500–1000 m量级，面对平方公里级搜索区，覆盖率与分辨率构成直接矛盾。
3. 更关键的是成像机理带来的可解译性缺陷
（1）侧视成像造成叠掩、透视收缩与阴影，目标在斜距方向被压缩；（2）相干斑使同类目标灰度起伏剧烈，单帧检测的稳定性显著低于光学图像。
因此，单纯提高SAR分辨率并不能自动转化为"找到目标"的能力，必须引入其他模态作为语义与几何的校正源。
二、多模态数据关联：从时空基准到证据级融合
1. 多模态关联的第一个前提不是算法，而是基准统一
微型SAR按斜距投影成像，光学与红外按中心投影成像，二者在同一地面点上并不对应同一像素坐标。工程做法是以机载GNSS/IMU紧耦合输出为公共参考，先做正射纠正与地形校正，再以互信息或相位一致性为测度完成亚像素配准，配准残差需控制在1个像素以内；时间维度上，雷达回波、导航数据与光电帧必须共源授时，通常采用PPS秒脉冲加10 MHz参考时钟，时间对齐误差应优于1 ms。任何一处基准漂移，都会在后续关联中被放大为虚假目标。2. 第二个层面是关联的粒度选择
（1）像素级融合用于抑制相干斑、提升信噪比，代价是计算量大且对配准极敏感；（2）特征级融合是当前主流，通过共享通道与模态特异通道分离处理，既保留共性语义又避免模态特异性被平均掉，公开研究显示此类跨模态检测框架在可见光、红外与SAR的恶劣天候场景下明显优于单源检测；
（3）决策级融合以D-S证据理论或贝叶斯框架为代表，把各模态的检测结果作为独立证据合成，对模态缺失与单源失效具有更好的鲁棒性。
3. 第三个层面是观测与航迹的关联，这是"搜寻"区别于"检测"的关键
单帧检测输出的是候选框，连续多帧才形成对目标运动状态的估计。密集杂波环境下，最近邻关联会频繁发生错配，实践中采用联合概率数据关联（JPDA）对落入关联门内的全部观测加权，或以全局最近邻（GNN）配合匈牙利算法做最优分配；关联门通常取卡方检验阈值，自由度为2、置信度99%时门限约9.21。关联失败时不应简单丢弃，而应保留航迹并提升其不确定度，交由重访机制处理。三、自主搜寻：从均匀扫描到概率引导
传统搜寻采用等间距平行航线做栅格扫描，逻辑简单、覆盖率可算，但对先验信息零利用。更有效的做法是建立概率栅格地图：把搜索区划为等尺寸栅格，每格维护目标存在概率，初始值由情报、历史活动规律与地形可达性给出，飞行中按贝叶斯规则更新——探测到目标则该格概率抬升，未探测到则按传感器检测概率与虚警率折减。这里必须诚实对待两个参数：检测概率与虚警率。以公开的SAR舰船检测结果为例，复杂大场景下舰船检测概率约95%、虚警概率约6.25%，而机场类大尺度目标可达100%，说明同一传感器对不同尺度目标的能力差异极大，把单一检测概率套用于全图会系统性高估搜寻效率。
在概率地图之上，规划目标应写为"单位时间期望信息增益最大"，可用Rényi熵或期望检测收益构造代价函数，使航线自动向高概率、高不确定区域聚集，而非机械地均匀铺开。工程实现上常把它拆成可执行的三步：先按概率阈值提取高价值子区，再用Dubins曲线连接各子区的覆盖航段以满足最小转弯半径约束，最后按航段重叠率10%–20%保证拼接无缝。有研究在曲线形区域搜索中对比了概率引导方法与全扫掠方法，效率提升约31.5%，实飞验证提升约16.3%，这一量级可作为工程预期而非理论上限。
动态目标还会破坏静态概率假设。目标机动使概率分布向外扩散，此时应依据扩散尺度计算重访周期，把"重访"作为独立决策变量而非扫描的副产品；对低速地面车辆，可调用GMTI通道以相位差直接捕获运动信息，把搜寻问题降维为跟踪问题。
四、闭环调度：把有限的算力用在关键处
机载算力通常不足以对全图做高精度检测，因此模式调度本身就是策略的一部分。合理的分层是：
1. 条带模式承担大范围普查，输出降分辨率快视图像与概览检测，占飞行时间的六成左右；
2. 一旦快视结果出现超阈值候选或概率地图出现尖峰，立即转入聚束模式对重点区域延长相干积累、提高方位分辨率，占比约三成；
3. GMTI与光电、红外通道按需穿插，占比约一成。
原始回波同步写入机载固态存储，落地后做PGA自聚焦等精处理，形成"机上快视决策、地面精算复核"的分工。
需要强调的是，模式切换的代价被长期低估。聚束模式要求天线持续指向同一区域，航迹从"前进"变为"绕飞"，有效搜索速度下降可达一半以上；因此切换门限必须与剩余航时、剩余电量联合优化，避免为单个低置信度候选耗尽续航。一个实用的约束是设定"每次任务聚束次数上限"，把资源留给高价值目标。
微型SAR解决了"看得见"的问题，多模态关联解决了"看得准"的问题，概率引导的自主规划解决了"找得快"的问题。三者不是并列关系，而是串联的精度与效率链条——时空基准决定关联是否成立，关联质量决定概率地图是否可信，概率地图的可信度决定规划是否真的省下了飞行里程。
MiniSAR聚焦于微型合成孔径雷达（SAR）制造研发，为用户提供定制化机载SAR、轻型MiniSAR、无人机载MiniSAR、SAR数据采集服务、SAR飞行服务等。如您有相关业务需求，欢迎联系！