A new method for forward-looking scanning radar imaging based on L1/2 regularization 论文阅读

内容概述

该论文提出了一种基于 $L_{1/2}$正则化 的前视扫描雷达成像新方法，旨在解决传统去卷积方法在方位超分辨成像中的 病态性 和 噪声放大 问题。通过引入非凸、非光滑的$L_{1/2}$正则化约束，论文证明了其在稀疏场景下比经典的$L_1$正则化具有更强的稀疏解生成能力，并通过仿真实验验证了其优越性。

关键创新点

1. 理论创新：首次将$L_{1/2}$正则化应用于前视雷达成像领域，结合 迭代半阈值算法（Iterative Half Threshold Algorithm），克服了传统$L_1$正则化的稀疏性不足问题。

2. 性能提升：实验显示，在信噪比（SNR=20dB）条件下，$L_{1/2}$恢复的目标轮廓更接近原始信号，噪声抑制效果显著优于$L_1$（图3）。

3. 数学工具完善：推导了$L_{1/2}$正则化的梯度解析表达式和阈值计算公式（公式10-11），为算法实现提供了理论支撑。

---

1. 论文的研究目标

研究目标

解决 前视扫描雷达方位分辨率不足 的问题。

通过引入 L 1 / 2