到目前为止,雷达前视成像技术已经取得了很多成果。然而,由于成像范围内场景角度不同,得到目标的多普勒差异较小,进而导致无法得到较高的角度分辨率。虽然维纳滤波和单脉冲锐化技术可以在一定程度上提高成像质量,但并不能从根本上提高图像的分辨率。分辨力是决定雷达探测性能的主要因素,其中距离分辨力的研究已经取得了较好的效果。因此,提出一种提高雷达角度超分辨能力的算法具有重要意义。为了提高雷达的角分辨力,本文研究了雷达扫描角超分辨成像方法,总结了雷达前视扫描成像原理,分析研究了雷达角度超分辨存在的问题,改进了现有的一些成像算法。全文主要研究内容如下:本文从雷达平台与观测目标的相对几何关系出发,研究并推导了回波信号模型,为后续超分辨算法研究提供了依据。由于反卷积求解目标的性能受反卷积固有的病态性和噪声敏感性的影响,因此,本文在考虑引入多信道模型的同时,考虑引入合理的正则化约束对来缓解噪声敏感问题,以减轻反卷积的负面影响。本文提出了一种基于Shannon熵超越多通道弹载雷达的贝叶斯前向超分辨成像方法,该方法基于弹载单脉冲扫描雷达。它首先利用和差观测通道的信息来缓解成像溶液的病理状态,从而建立和差双通道回波模型。然后,引入熵来描述目标散射的先验信息,利用贝叶斯最大估计建立联合反卷积前视成像优化解模型。最后,采用改进的共轭梯度法对成像进行优化。仿真结果表明,与改进的多通道维纳滤波算法和LR算法相比,该方法能获得更高的精度,并具有更好的抗噪声性能,能有效抑制虚假目标的产生。针对基于Shannon熵先验的超分辨算法中需要人工调整多个参数的问题,提出了一种基于置信框架的自适应参数更新方法。从置信框架理论出发,当目标散射信息的初值给定时,通过置信框架理论得到的参数更新公式不需要人为地设置正则化因子和噪声方差等未知参数,因此,在算法求解过程中,将未知参数自动更新为适当的值,有效地提高了计算效率。在实际的波束扫描中,由于雷达孔径的限制等问题,单脉冲锐化技术可以提高成像质量,但在实现超分辨率方面也存在一定的问题。为了解决这一问题,本文提出了一种基于Tsallis熵的最大后验超分辨算法。该方法基于单脉冲扫描雷达。引入了Tsallis熵作为先验信息来降低噪声敏感度等问题,利用贝叶斯最大后验估计建立了一个前视成像优化模型。仿真结果表明,Tsallis熵的灵活性可以有效地提高算法的效率和超分辨率,在原有的最小均方误差方法中,有效地消除了噪声。在此基础上,本文提出了一种改进的迭代自适应超分辨率算法。该方法基于最小均方误差模型。首先,对原模型进行了改进,然后引入Tsallis熵作为正则化约束项,建立了反卷积前视成像优化模型。仿真结果表明,该方法能提高估计精度,增强超分辨效果。