Penalized Maximum Likelihood Angular Super-Resolution Method for Scanning Radar论文阅读

1. 研究目标与实际意义

1.1 研究目标

论文旨在解决扫描雷达前视成像中角分辨率不足的问题。传统解卷积方法由于病态性（ill-posed nature），解对噪声敏感且易在迭代过程中因噪声放大而恶化。作者提出一种惩罚最大似然角超分辨率方法（PML），通过改进噪声建模、引入联合惩罚项和加速迭代策略，提升算法的抗噪能力、抑制虚假目标，并增强迭代稳定性。

1.2 实际问题与产业意义

• 实际问题：前视雷达在飞机导航、自动着陆等场景中需高分辨率成像，但传统方法（如单站SAR、多普勒波束锐化）因多普勒梯度小难以实现高分辨率。扫描雷达通过解卷积实现超分辨率，但噪声敏感性和噪声放大限制了其应用。
• 产业意义：提升角分辨率可增强雷达在复杂场景中的目标识别能力，对航空安全、军事侦察和灾害监测具有重要意义。

---

2. 创新方法与模型

2.1 新思路与核心贡献

2.1.1 精确噪声建模：I/Q通道分离的似然函数

传统方法仅考虑回波幅度噪声（如高斯或泊松分布），忽略相位信息。作者提出分离I/Q通道噪声的联合概率模型：

• 接收信号建模为复数形式：
  $${\tilde{s}}_i=\left((H\sigma {)}_i\cos {\vartheta }_i+n_{c_i}\right)+j\left((H\sigma {)}_i\sin {\vartheta }_i+n_{s_i}\right)$$
  其中，$n_{c_i}$和$n_{s_i}$为I/Q通道的高斯噪声，均值为0、方差${\rho }^2$。
• 通过雅可比行列式变换推导幅度$s_i$和相位${\varphi }_i$的联合概率密度函数（PDF）：
  f S i Φ i ( s i , ϕ i ) = s i 2 π ρ 2 e − s i 2 + ( H σ ) i 2 − 2 s i ( H σ ) i cos ⁡ ( ϕ i − ϑ i ) 2 ρ 2 f_{S_i\Phi_i}(s_i, \phi_i) = \frac{s_i}{2\pi\rho^2} e^{-\frac{s_i^2 + (H\sigma)_i^2 - 2s_i(H\sigma)_i \cos(\phi_i - \vartheta_i)}{2\rho^2}} fSi​Φi​​(si​,ϕi​)=2πρ2s