1. 论文的研究目标与实际意义

研究目标

论文旨在解决前视雷达成像中方位分辨率受限的问题。传统方法（如合成孔径雷达SAR或多普勒波束锐化DBS）因前视区域多普勒梯度较小，难以实现高分辨率成像。作者提出了一种基于线性预测（Linear Prediction, LP）的解卷积算法，通过克服直接解卷积的病态问题（ill-posed problem），提升方位分辨率。

实际问题与产业意义

• 实际问题：
  前视雷达在导弹制导、目标识别和飞机盲降等场景中需要高分辨率成像，但受限于天线孔径尺寸和低通效应，传统方法难以满足需求。直接解卷积会因噪声放大导致性能下降。

  引用原文：
  “由于天线方向图的低通特性，直接解卷积在方位维度上会导致病态问题……噪声放大会显著降低解卷积技术的性能。”

• 产业意义：
  提升方位分辨率可增强雷达在复杂环境中的目标检测能力，推动精确制导、自动驾驶（如无人机避障）和灾害监测等应用的发展。

2. 创新方法及优势

新思路与模型

论文提出LP-based解卷积算法，核心创新点包括：

1. 信号建模：
   将雷达回波建模为天线方向图与地面散射系数的卷积，并引入噪声项：
   $$y=x\otimes h+n$$
   其中，$x$为目标散射系数， h h