Application of LBWK Algorithm in Forward-looking Super-resolution Imaging of Scanning Radar 论文阅读

1. 研究目标与实际问题意义

1.1 研究目标

论文旨在通过线性化Bregman算法结合kicking机制（LBWK, Linearized Bregman With Kicking），解决扫描雷达前视成像（Forward-looking Imaging）中的低方位分辨率问题。具体目标包括：

• 建模：将扫描雷达的方位回波建模为天线方向图与目标散射的卷积过程，并转化为稀疏约束下的L1正则化优化问题。
• 算法改进：利用LBWK算法高效求解L1正则化问题，以较低的计算复杂度和更快的收敛速度实现超分辨率成像。
• 验证：通过仿真实验对比传统方法（如TSVD、RL、TV、MAP），证明LBWK在分辨相邻目标和噪声抑制方面的优势。

1.2 实际问题与产业意义

扫描雷达在精确制导、自主驾驶和测绘等领域需获取前视区域的高分辨率目标信息。然而传统方法（如SAR、DBS）无法实现前视成像，而单脉冲技术受限于多目标区分能力。论文提出的超分辨率算法可在不增加硬件成本的前提下提升分辨率，对低成本雷达系统的工程实现具有重要意义。

---

2. 创新方法与模型分析

2.1 信号模型构建

论文基于机载扫描雷达的运动几何关系（图1），推导了目标与雷达的距离历史（Range History）简化公式：
$$r_t\approx r_0-vt(3)$$
随后，通过线性调频信号（LFM）建模回波信号，经距离压缩和徙动校正后，得到离散卷积模型：
$$s=A\sigma +n(6)$$
其中，天线方向图矩阵 $A$ 是Toeplitz矩阵（公式7），表示卷积核的离散化。

2.2 L1正则化模型

为解决逆问题的病态性，论文将超分辨率问题转化为稀疏约束下的L1正则化优化问题：
$$\tilde{x}$$