通过在垂直于平台航迹方向布设多个通道,多通道雷达能够实现正前方区域的二维成像,在精确制导,海空监测、自主导航等国防建设和社会经济发展领域都具有重要的应用价值,然而其平台尺寸等因素决定了其孔径长度往往不大,导致方位维分辨率受到很大的影响,从而给多通道雷达的应用带来很多的不便,因此研究多通道雷达前视超分辨成像技术具有十分重要的意义。本文围绕多通道雷达前视超分辨成像开展研究工作,首先根据多通道雷达的空间几何构型及工作模式推导出其回波表达式,并对其方位分辨率和点扩散函数进行了分析,在此基础上建立了成像卷积模型,研究了基于加速迭代阈值收缩算法的多通道雷达前视超分辨成像方法,并提出了基于卷积神经网络的雷达图像增强方法,主要内容如下:1.根据多通道雷达的空间几何构型及工作模式建立了其回波信号模型,分析了多通道雷达的回波特性,定量分析了多通道雷达的多普勒参数特性、方位分辨率,建立了方位向卷积模型,为后续超分辨算法研究奠定了理论基础。2.研究了基于加速迭代阈值收缩算法的多通道雷达前视超分辨方法。迭代阈值收缩算法能够通过梯度优化算法的迭代操作求解反卷积模型,然而该算法收敛效率太低,通过引入基于泰勒展开式的矢量外推加速算法,并使用矢量外推方法对迭代阈值收缩算法进行加速,该算法能够有效实现多通道雷达前视超分辨成像。3.研究提出了基于卷积神经网络的雷达图像增强方法,该方法针对现有卷积网络的特征传播不够充分、前后卷积层之间的信息传递较难等缺点,通过在非线性映射层添加加权稠密连接,将该部分每一层的特征都输入给之后的层,从而有助于使整个网络减轻梯度消失,充分发挥残差学习和特征融合的优点,加强特征传播,支持特征复用,进而提高图像增强性能。以上本文的研究工作已通过MATLAB仿真工具进行验证。结果表明,本文的研究工作能够实现多通道雷达前视超分辨成像以及对雷达图像的增强。