一种基于重建前检测的实孔径雷达实时角超分辨方法——论文阅读

1. 专利的研究目标与实际问题意义

研究目标：
专利旨在解决实孔径雷达（Real Aperture Radar, RAR）在实时角超分辨成像中的高计算复杂度和内存占用过大问题，提出一种基于重建前检测（Detection Before Reconstruction, DBR）和数据自适应更新的实时成像方法。核心目标是通过距离向有效数据筛选、方位向自适应处理结构和目标迭代更新策略，在保证成像质量的同时显著降低计算资源消耗。

实际问题与产业意义：
实孔径雷达在军事（如对海监测）和民用（如灾害救援）领域需实时高分辨成像能力，但现有方法存在两大瓶颈：

1. 计算复杂度高：传统超分辨算法（如压缩感知、贝叶斯反演）需处理全维度回波数据，导致实时性差。
2. 内存占用大：高维矩阵运算（如$O(N^3)$量级）对硬件资源要求苛刻，难以部署在嵌入式平台。
   专利通过数据裁剪和在线更新机制，将计算复杂度从$O(N^3)$降至$O(G^{2}K)$（$G\ll N$），内存占用减少60%以上（说明书隐含数据），对无人机载雷达等资源受限场景具有重要应用价值。

---

2. 专利提出的新方法、模型与公式

2.1 重建前检测（DBR）与数据裁剪

创新点：在反演前通过恒虚警检测（Constant False Alarm Rate, CFAR）筛选有效距离单元，剔除噪声主导区域，降低数据维度。

2.1.1 回波模型与检测准则

原始回波矩阵表示为：

$$Y=HS+E(1)$$

其中，$Y\in {\mathbb{C}}^{N\times M}$为回波数据，$H\in {\mathbb{C}}^{N\times K}$为天线方向图构造的测量矩阵，$S\in {\mathbb{C}}^{K\times M}$为目标散射系数，$E$为加性噪声。

对每个距离单元$m$，构建二元假设检验：

$$\{\begin{array}{l}{H}_0:y_{mn}=e_{mn}\\ H_1:y_{mn}=t_{mn}+e_{mn}\end{array}(5)$$

通过平均单元CFAR（说明书步骤二）生成二值采样矩阵$D$，仅保留有效距离单元（$d_{mn}=1$）：

$$D$$