无人机合成孔径雷达不再要求匀速直线：扩散先验加运动补偿，半分辨率截断下仍有21.3 dB

低空ISAC系统中的无人机合成孔径雷达成像不再依赖匀速直线飞行假设，任意已知三维轨迹下的散焦问题被转化为一个精确的线性逆问题来求解。 传统距离-多普勒算法和chirp scaling算法建立在匀速直线运动假设上，把距离与方位处理近似解耦；当无人机为兼顾通信覆盖与感知视角而做灵活三维飞行时，同一距离单元内不同像素的加速度投影和高阶距离变化各不相同，共用一套距离单元迁移校正无法同时补偿所有像素，方位向匹配滤波也无法同时聚焦，导致距离散焦和方位模糊。 在相同路径长度和相同慢时间采样数的理想匀速直线、平滑曲线和Z形三种轨迹上，所提方法在信噪比20 dB下PSNR波动仅1.50 dB、SSIM波动小于0.024；Z形轨迹下仍保持36.39 dB PSNR和0.969 SSIM，而表现最好的对比方法PnP-BM3D只有16.62 dB和0.681。

成像过程把物理观测模型与图像先验分开：预训练扩散模型只从SAR反射率数据学习先验，回波通过似然引导在反向扩散中强制数据一致性，因此换轨迹只需更新测量矩阵，无需针对场景重新训练。 此前的压缩感知方法使用手工设计的稀疏先验，难以刻画真实SAR场景的非高斯统计和空间结构；监督式回波到图像网络把映射与训练时的感知几何绑定，轨迹、MIMO配置或OFDM采样策略一变就需要重新训练。 扩散先验在FAIR-CSAR数据集上训练，该数据集包含机场、港口等场景的12000张训练和2700张测试单视复图像；推理采用DDIM加速，仅用20步采样即可接近1000步全步采样的重建质量。

面对风扰和旋翼振动带来的未知位置误差，成像与运动补偿被放进同一个反向扩散过程交替迭代：先由当前含噪状态估计干净反射率，再据此修正位置误差，修正后的测量算子又反过来改善后续的数据一致性引导。 传统运动补偿和自聚焦方法依赖孤立强散射点并假设相位误差在空间上不变，在MIMO-OFDM聚束模式下慢时间和空间变化的耦合使其失效；直接优化时域位置误差矩阵变量多，且对不可靠的中间反射率估计非常敏感。 位置误差用离散余弦变换重新参数化，只优化低阶模态，并采用由粗到细的频谱调度；在注入位置误差均方根0.5 cm、信噪比20 dB时，联合方法达到23.65 dB PSNR和0.91 SSIM，残余位置误差RMSE为0.19 cm、平均三维欧氏误差0.27 cm，而PnP-BM3D的RMSE为2.94 cm。

结果来自数值仿真：无人机作为双功能空中基站，同时服务地面通信用户并用下行OFDM通信回波做聚束SAR成像，目标场景为100 m×100 m、离散为256×256网格、物理像素0.39 m。适合关注ISAC、无人机遥感和生成式逆问题求解的研究人员与工程师阅读。仿真中合成孔径时长较短，限制了导航与运动误差的累积；若要把这套流程用于实际平台，下一步需要验证真实飞行数据下的表现。

所有结论均来自仿真，未给出真实无人机飞行数据的验证。位置误差补偿在注入误差增大到0.75 cm时残余RMSE仍低、PSNR缓慢下降，进一步增大到1 cm时性能退化但残余RMSE仍在0.16 cm左右；注入误差为零时仍存在小的残余，因为运动补偿始终开启，噪声和中间估计误差会产生非零更新，形成估计下限。带宽截断下默认引导参数表现次优，需要把该参数从2降到1来提升先验权重。