Mathematical and experimental validation of the bifocusing method tailored for bistatic measurement

Resumen Técnico: Validación Matemática y Experimental del Método de Bifocalización para Medición Bistática

Planteamiento del Problema
El artículo aborda el problema de dispersión inversa, específicamente la identificación rápida de pequeñas inhomogeneidades dieléctricas penetrables dentro de una configuración de medición bidimensional bistática. Si bien las configuraciones bistáticas (donde el transmisor y el receptor están separados por un ángulo fijo) ofrecen ventajas como una menor interferencia de señal y datos de dispersión más ricos en comparación con los sistemas monostáticos, los algoritmos de imagen eficientes adaptados a estas configuraciones siguen siendo un desafío. Los métodos iterativos cuantitativos existentes (por ejemplo, esquemas de tipo Newton) son computacionalmente costosos y sensibles a las suposiciones iniciales, mientras que los métodos cualitativos no iterativos existentes no han sido analizados rigurosamente para aplicaciones bistáticas de frecuencia única. Existe una brecha crítica en la comprensión de cómo el ángulo bistático ($\alpha$) afecta intrínsecamente la resolución de la imagen y la capacidad de detección.

Metodología
Los autores proponen una estrategia de imagen basada en el Método de Bifocalización (BFM). El núcleo de la metodología implica:

1. Formulación del Problema: Definición de un problema de dispersión directa 2D donde pequeñas inclusiones dieléctricas están incrustadas en un fondo homogéneo. El campo disperso se aproxima utilizando una ecuación integral que involucra el producto de las funciones de Green para el transmisor y el receptor.
2. Construcción de la Función Indicadora: Se construye una función indicadora basada en bifocalización, $F_{BFM}(x, \alpha)$, correlacionando los datos medidos del campo disperso con una función de prueba derivada del producto de las funciones de Green en un punto de prueba $x$.
3. Derivación Teórica: Los autores derivan una estructura matemática en forma cerrada para la función indicadora. Mediante el uso de la expansión asintótica de las funciones de Hankel y la expansión de Jacobi-Anger, expresan la función indicadora como una serie infinita de funciones de Bessel ($J_q$). Esta derivación vincula explícitamente el comportamiento de la función con las propiedades materiales de las inhomogeneidades y el ángulo bistático $\alpha$.
4. Validación Numérica: Los hallazgos teóricos se validan utilizando el conjunto de datos experimental de Fresnel. Las simulaciones incluyen inhomogeneidades dieléctricas circulares individuales y múltiples, así como un objeto rectangular metálico. Los datos incluyen ruido gaussiano blanco de 20 dB, y se generan resultados de imagen para varios ángulos bistáticos ($\alpha$) y frecuencias de operación.

Contribuciones Clave y Hallazgos Teóricos
La contribución principal del artículo es la caracterización matemática rigurosa de la función indicadora del BFM en un entorno bistático. La estructura derivada revela las siguientes propiedades:

• Dependencia del Ángulo Bistático: La resolución de la imagen depende intrínsecamente de $\alpha$. El término que gobierna el pico principal, que involucra $J_0(k(1+\cos\alpha)|x-z|)J_0(k\sin\alpha|x-z|)$, dicta que la resolución se maximiza cuando $\alpha$ se acerca a $0^\circ$ (cuasi-monostático).
• Degradación en Ángulos Grandes: A medida que $\alpha$ se acerca a $180^\circ$, la resolución se degrada significativamente.
• Singularidad en $180^\circ$: Los autores demuestran que cuando $\alpha = 180^\circ$, la función indicadora se vuelve independiente de la existencia de las inhomogeneidades ($1+\cos(180^\circ)=0$ y $\sin(180^\circ)=0$), haciendo imposible la identificación del objetivo.
• Análisis de Artefactos: El estudio identifica un término secundario en la expansión de la serie que involucra funciones de Bessel de orden par ($J_{2q}$). Si bien este término no contribuye al pico principal en la ubicación del objetivo, genera artefactos que pueden perturbar el reconocimiento, particularmente en escenarios de múltiples objetivos.

Resultados Numéricos
Las simulaciones utilizando el conjunto de datos de Fresnel confirman las predicciones teóricas:

• Objetos Individuales: Para una inclusión dieléctrica individual, se logra una imagen de alta resolución en $\alpha = 60^\circ$ y $90^\circ$. La resolución se degrada visiblemente a medida que $\alpha$ aumenta a $120^\circ$ y $135^\circ$, y el objetivo se vuelve irreconocible en $\alpha = 180^\circ$.
• Múltiples Objetivos: El método enfrenta desafíos con múltiples objetivos. Si bien los objetivos individuales se resuelven bien, distinguir dos inhomogeneidades cercanas se vuelve ambiguo en ciertos ángulos (por ejemplo, $90^\circ$ y $120^\circ$) debido a la interferencia de artefactos, aunque la identificación clara fue posible en $\alpha = 135^\circ$ en un caso de prueba específico.
• Objetos Metálicos: La función indicadora localizó con éxito un rectángulo metálico, demostrando aplicabilidad más allá de la suposición teórica de inhomogeneidades dieléctricas, aunque la forma exacta del límite no suave no pudo recuperarse completamente.
• Sensibilidad a la Frecuencia: Los resultados indican que el rendimiento de la imagen también depende de la frecuencia de operación, con diferentes ángulos que producen resultados óptimos en diferentes frecuencias (por ejemplo, $2$ GHz vs. $6$ GHz).

Significado y Limitaciones
El artículo establece que el Método de Bifocalización es un enfoque no iterativo viable para la imagen bistática, siempre que el ángulo bistático se seleccione cuidadosamente. El trabajo proporciona una justificación teórica para evitar $\alpha = 180^\circ$ y sugiere que los ángulos más cercanos a $0^\circ$ producen una resolución superior.

Sin embargo, los autores reconocen modestamente las limitaciones. El rendimiento del método se degrada en presencia de múltiples objetivos en comparación con objetivos individuales, lo que a menudo resulta en distinciones ambiguas entre objetos. El artículo concluye que, si bien la función indicadora propuesta es efectiva para la identificación rápida, son necesarias mejoras adicionales para manejar escenarios de múltiples objetivos de manera robusta. Además, la extensión de este trabajo a problemas tridimensionales se identifica como una dirección prometedora para futuras investigaciones.