一种运动平台扫描雷达超分辨成像视场选择方法——论文阅读

1. 专利的研究目标与意义

1.1 研究目标

专利旨在解决实波束扫描雷达方位向分辨率低的问题。传统方法（如维纳滤波、单脉冲技术）受限于系统参数和噪声干扰，难以在低信噪比（SNR）环境下实现高分辨成像。本专利提出一种基于贝叶斯最大后验概率（Maximum a Posteriori, MAP）估计的角超分辨方法，通过引入广义高斯分布（Generalized Gaussian Distribution, GGD）和泊松分布（Poisson Distribution）约束目标与噪声的统计特性，提升反卷积过程的鲁棒性。

1.2 实际意义

• 应用场景：军用目标识别、飞机自主着陆、海洋搜索等需要高精度前视成像的领域。
• 技术价值：突破雷达系统参数对分辨率的限制，实现方位向超分辨，提升复杂环境下的成像能力。

---

2. 专利的创新方法与技术细节

2.1 核心思路与流程

专利通过贝叶斯反卷积框架将雷达回波建模为统计优化问题，具体流程如下：

1. 回波建模与预处理：构建卷积形式的回波信号模型。
2. 统计约束设计：利用广义高斯分布描述目标稀疏性，泊松分布描述噪声特性。
3. 最大后验概率估计：通过迭代优化求解目标散射系数。

2.1.1 方法流程图

2.2 关键公式与模型

2.2.1 回波卷积模型

雷达回波信号经预处理后表示为：
$$s=W\sigma +n$$
其中，$s$ 为方位向回波向量，$W$ 为由天线方向图和运动相位构成的卷积矩阵，$\sigma$ 为目标散射系数向量，$n$ 为噪声向量。

2.2.2 最大后验概率（MAP）估计

基于贝叶斯定理，目标散射系数的后验概率为：
$$p(\sigma \mid s)=\frac{p(s\mid \sigma )p(\sigma )}{p(s)}$$
通过最大化后验概率，得到优化问题：
σ ^ = arg ⁡ max ⁡ σ [ p ( s ∣ σ ) p ( σ ) ] \hat{\sigma} = \arg\max_{\sigma} \left[ p(s \mid \sigma) p(\sigma) \right]