杨广玉,马晓静,杨雪亚

(1.中国电子科技集团公司第三十八研究所，安徽合肥230088;2.电子工程学院，安徽合肥230037)

0 引言

对于同一距离单元或者邻近距离单元内的多个目标，对回波数据进行脉冲压缩无法从距离上进行分离，由于雷达相干脉冲数通常较少，也无法从多普勒维对径向速度接近的目标进行分离，这里考虑从方位角进行测量分辨多个目标。现有的方位角测量方法基本上是基于和、差波束或者多波束比幅的经典单脉冲测角方法。但是，在同一接收波束内存在多个目标时，单脉冲测角方法无法区分多个目标，导致误差变大、甚至完全失效。

实际上，改善方位角测量性能的关键是提高方位分辨率，因此，需要采用阵列超分辨技术对方位角进行估计。阵列超分辨算法以多重信号分类算法(MUSIC[1-2])及最大似然[3-4]算法(ML)为代表。MUSIC算法对信噪比和快拍数要求较高，而且对相关目标回波信号需要进行空间平滑，造成阵列孔径的损失。ML等参数化方法是一种渐近无偏估计，然而这类方法通常需要全局极值的多维搜索，多目标时无法满足实时处理。文献[5]采用基于去卷积的方法得到目标空间位置分布函数，不过去卷积方法对逆滤波器的参数选择、扫描波束等比较敏感，同时对信噪比有较高的要求。

稀疏分析在一组基向量中通过某种变换关系对应于信号的某个稀疏向量来表示信号的特征。文献[6]研究了基于l1范数的基向量选择问题，Rao[7-8]将其拓展至……