1. 專利的研究目標與意義

1.1 研究目標

專利旨在解決實波束掃描雷達方位向分辨率低的問題。傳統方法（如維納濾波、單脈沖技術）受限于系統參數和噪聲干擾，難以在低信噪比（SNR）環境下實現高分辨成像。本專利提出一種基于貝葉斯最大后驗概率（Maximum a Posteriori, MAP）估計的角超分辨方法，通過引入廣義高斯分布（Generalized Gaussian Distribution, GGD）和泊松分布（Poisson Distribution）約束目標與噪聲的統計特性，提升反卷積過程的魯棒性。

1.2 實際意義

• 應用場景：軍用目標識別、飛機自主著陸、海洋搜索等需要高精度前視成像的領域。
• 技術價值：突破雷達系統參數對分辨率的限制，實現方位向超分辨，提升復雜環境下的成像能力。

---

2. 專利的創新方法與技術細節

2.1 核心思路與流程

專利通過貝葉斯反卷積框架將雷達回波建模為統計優化問題，具體流程如下：

1. 回波建模與預處理：構建卷積形式的回波信號模型。
2. 統計約束設計：利用廣義高斯分布描述目標稀疏性，泊松分布描述噪聲特性。
3. 最大后驗概率估計：通過迭代優化求解目標散射系數。

2.1.1 方法流程圖

2.2 關鍵公式與模型

2.2.1 回波卷積模型

雷達回波信號經預處理后表示為：
$$s=W\sigma +n$$
其中，$s$ 為方位向回波向量，$W$ 為由天線方向圖和運動相位構成的卷積矩陣，$\sigma$ 為目標散射系數向量，$n$ 為噪聲向量。

2.2.2 最大后驗概率（MAP）估計

基于貝葉斯定理，目標散射系數的后驗概率為：
$$p(\sigma \mid s)=\frac{p(s\mid \sigma )p(\sigma )}{p(s)}$$
通過最大化后驗概率，得到優化問題：
σ ^ = arg ? max ? σ [ p ( s ∣ σ ) p ( σ ) ] \hat{\sigma} = \arg\max_{\sigma} \left[ p(s \mid \sigma) p(\sigma) \right]