Microwave Correlation Forward-Looking Super-Resolution Imaging Based on Compressed Sensing论文阅读

1. 研究目标与实际意义

1.1 研究目标

论文旨在解决传统雷达成像方法（如合成孔径雷达SAR）在前视成像（Forward-Looking Imaging）中的局限性，包括：

• 依赖相对运动：SAR需要雷达与目标场景之间的特定相对运动，无法在静止或非侧视条件下成像。
• 分辨率限制：传统实孔径雷达的分辨率受限于物理孔径尺寸（瑞利准则），难以满足高精度需求。

论文提出一种基于压缩感知（Compressed Sensing, CS）和时空二维随机辐射场的微波前视相关成像方法，通过以下创新点突破限制：

1. 随机辐射场生成：利用相控阵雷达（PAR）产生时空随机波束模式。
2. 稀疏重建算法：结合CS理论，从少量样本中恢复超分辨率图像（突破瑞利极限）。
3. GPU加速计算：提升算法实时性，降低处理时间。

1.2 实际意义

该技术对以下场景具有重要价值：

• 导弹精确制导：在高速移动中实时获取前视高分辨率地形图像。
• 恶劣天气着陆：在低能见度条件下辅助飞机导航。
• 连续监测：无需依赖目标运动即可实现静态场景成像。

---

2. 创新方法与模型

2.1 时空二维随机辐射场设计

论文通过**相控阵雷达（PAR）**生成时空随机波束，具体方法如下：

• 子阵列划分：将阵列分为多个子阵列（例如5×5子阵列，每个子阵列含8×8收发单元）。
• 随机相位叠加：各子阵列施加独立随机相位扰动（$\Delta {\varphi }_{m,n}(t)\sim U(-\pi ,\pi )$），形成空间非相干叠加场。

关键公式

远场辐射模式公式（式2）：
$$F(\theta ,\beta ,t)=\sum _{q=0}^{NL-1}\sum _{i=0}^{MK-1}\exp \left[j{k}_0(q{d}_x\sin \theta \cos \beta +i{d}_y\sin \beta )-j{\phi }_{(q,i)}(t)\right]$$
其中，${\phi }_{(q,i)}(t)$包含子阵列的随机相位扰动，通过$\Delta {\varphi }_{m,n}(t)$引入时空随机性。

2.2 信号模型与稀疏重建

信号模型

发射信号为线性调频（LFM）脉冲（式5）：
$$s_T($$