Angular Superresolution of Real Aperture Radar Using Online Detect-Before-Reconstruct Framework 论文阅读

1. 论文的研究目标与实际问题意义

1.1 研究目标

论文旨在解决实时孔径雷达（Real Aperture Radar, RAR）在角超分辨成像中面临的高运算复杂度和存储需求大的问题。传统超分辨方法依赖批量数据处理，导致实时性差且硬件资源消耗高。作者提出了一种在线检测-重建（Detect-Before-Reconstruct, DBR）框架，通过有效数据检测和目标自适应更新策略，显著降低计算与存储开销。

1.2 实际问题与产业意义

RAR的角分辨率受限于天线孔径尺寸（公式：${\theta }_{\beta }=0.886\lambda /D$），导致远距离目标分辨率低。超分辨技术可突破这一限制，但传统方法需要存储全部回波数据并执行复杂矩阵运算，难以应用于实时场景（如机载雷达、快速扫描系统）。本文提出的在线DBR框架可实现实时处理，降低硬件成本，推动RAR在海洋监测、导航避障、战场侦察等领域的应用。

---

2. 论文的创新方法、模型与公式分析（重点）

2.1 核心创新点

论文提出了在线DBR框架，包含以下关键技术：

• 距离向有效样本检测：通过CFAR检测筛选有效回波，降低数据维度。
• 方位向数据自适应处理：基于稀疏特性，设计递归更新结构。
• 目标网格迭代终止策略：动态调整迭代次数，加速收敛。

2.2 关键公式与模型

2.2.1 信号模型

回波模型表示为：

$$Y=HS+E(1)$$
其中，$Y$为回波矩阵，$H$为天线方向图构成的导向矩阵，$S$为目标散射系数，$E$为噪声。

2.2.2 稀疏正则化优化问题

采用qSPICE方法将超分辨问题转化为协方差拟合优化：

arg ⁡ min ⁡ s m , δ m y m ∗ R − 1 ( p m ) y m + ∥ W s s m ∥ r + ∥ W δ δ m ∥ q ( 8 ) \underset{s_m,\delta_m}{\arg\min} y_m^* R^{-1}(p_m) y_m + \|W_s s_m\|_r + \|W_\delta \delta_m\|_q \qquad (8) sm​,δm​argmin​ym∗​R−1(pm​)ym​+∥Ws​sm​∥