空间分辨率是影响雷达性能的重要因素。距离维度上可以脉冲压缩等一系列技术实现距离维高分辨率,而对于方位分辨率仅仅只能通过增大天线孔径来获取更高的方位分辨率,因此亟需通过技术手段来实现方位高分辨率。对于低空领域,多径效应是影响测高精度的关键因素之一,因此围绕多径效应展开对低角测高的研究。本文主要对上述两个问题进行探究。首先,本文研究了雷达回波的卷积模型和多径效应下的几何模型。对于雷达的卷积模型给出了反卷积问题的病态性分析。介绍了多径效应下的经典多径模型和球面多径模型,并给出了两种模型中的关键几何关系。接着,介绍了基于贝叶斯准则的超分辨算法,给出了最大似然算法和最大后验算法的推导,并对迭代终止准则进行了介绍。本文提出了一种快速最大似然算法,通过对迭代步骤进行加速,从而加快收敛速度。通过实验表明,本文提出的快速最大似然算法可以提升迭代速度。其次,本文对基于正则化的方位超分辨算法进行了研究。利用目标的稀疏先验特性,本文提出了一种基于遗传算法的正则化算法。通过遗传算法对目标个数进行限制,从而得到更为准确的结果。本文提出基于遗传算法的正则化算法可在信噪比为15d B的条件下分辨目标,分辨能力和分辨精度均优于基于贝叶斯准则的算法。针对传统总变差方法对噪声的敏感的问题,本文提出了一种基于梯度下降的总变差算法。通过梯度下降的方法避免了矩阵的除法运算从而在低信噪比情况下表现良好。实验结果表明,基于梯度下降的总变差算法表现更为优异,即使在信噪比为10d B的条件下,仍能较好的分辨目标,此时本文中提到的大多数算法均已失效。最后,在多径模型下,低仰角测高问题可以等效为目标的解相干问题。本文介绍了经典的MUSIC算法和具有解相干性能和空间平滑类MUSIC算法和MMUSIC算法。针对经典多径模型,本文提出了一种改进的MMUSIC算法。利用多径模型的几何关系,重新建立空间谱函数。仿真实验验证了其性能优于MMUSIC算法。