Angular Superresolution of Real Aperture Radar for Target Scale Measurement 论文阅读

1. 研究目标与实际意义

1.1 研究目标

论文旨在解决实孔径雷达（Real Aperture Radar, RAR）在目标尺度测量中的精度不足问题。由于RAR的角分辨率受限于天线物理尺寸，其原始回波数据无法准确反映目标的真实尺度（如目标宽度或形状）。作者提出了一种广义混合正则化（Generalized Hybrid Regularization, GHR）方法，通过结合广义稀疏（Generalized Sparse, GS）正则化和广义总变差（Generalized Total Variation, GTV）正则化，在提升角分辨率的同时保持目标轮廓的陡峭性。此外，论文还设计了自适应迭代重加权（Adaptive Iterative Reweighted, AIR）求解器，以减少手动选择正则化参数的数量。

1.2 实际意义

• 雷达应用需求：RAR广泛用于地面测绘与目标监测，但其低角分辨率限制了在军事侦察（如舰船识别）和民用领域（如灾害监测）中的应用。
• 产业价值：通过提升RAR的尺度测量精度，可降低对合成孔径雷达（SAR）的依赖，节省硬件成本，尤其适用于小型化平台（如无人机）。
• 技术痛点：传统单一正则化方法（如L1、L2、TV）无法同时优化分辨率与边缘保持，而混合正则化方法需手动调节多个参数，效率低下。

---

2. 创新方法与模型设计

2.1 广义混合正则化（GHR）框架

核心公式

目标函数结合了广义稀疏（Lp范数）和广义总变差（Lq范数）：
x ^ m = min ⁡ x m ∥ y m − H x m ∥ 2 2 + η 1 ∥ x m ∥ p p + η 2 ∥ D x m ∥ q q ( 7 ) \hat{x}_m = \min_{x_m} \left\| y_m - H x_m \right\|_2^2 + \eta_1 \left\| x_m \right\|_p^p + \eta_2 \left\| D x_m \right\|_q^q \quad (7) x^m​=xm​min​∥ym​−Hxm​∥22​+η1​∥x