毫米波雷达的角度分辨率受阵列孔径限制，在目标密集场景中邻近目标的回波在主瓣内叠加无法区分。超分辨重构算法利用目标在角度域的稀疏特性突破瑞利分辨率限制，使雷达能够分辨角度间隔小于波束宽度的多个目标。稀疏重构的精度取决于阵列接收数据的信噪比，噪声水平升高后重构结果中出现虚假目标的概率增加。抗噪声鲁棒性的提升从数据预处理与算法正则化两个层面展开，预处理阶段对接收信号进行去噪与增强，正则化阶段在稀疏重构的目标函数中增加噪声约束项。预处理与正则化的参数设置需要根据雷达工作环境中的噪声类型与强度动态调整，固定的参数配置无法覆盖所有工作场景。超分辨重构与抗噪声处理的联合优化使雷达在复杂电磁环境中维持稳定的角度分辨能力。
数据预处理的核心步骤包括时空域滤波与协方差矩阵的优化。时空域滤波利用目标回波与噪声在时间与空间上的相关性差异分离信号分量，多普勒处理将目标运动产生的频率偏移与静止噪声源区分。滤波后的数据输入协方差矩阵估计模块，协方差矩阵的样本数量不足时引入误差，误差随样本数量的减少而增大。样本数量由雷达的脉冲积累数与检测帧长度决定，积累数增加则协方差矩阵估计精度提高但数据处理延迟延长。对角加载技术在小样本条件下向协方差矩阵的对角元素添加常数，改善矩阵的条件数，降低估计误差对后续重构结果的影响。加载常数的设置需平衡矩阵稳定性与信号信息的保留，常数较大时信号特征被掩盖。
稀疏重构算法的性能依赖于字典矩阵的设计与稀疏度的先验估计。字典矩阵的列向量对应不同角度方向上的导向矢量，导向矢量的角度网格划分精度决定重构的角度分辨率上限。网格划分较细时字典矩阵的列向量相关性增加，重构算法在强相关列之间的选择出现不确定性。离网目标的能量会泄漏至相邻网格，在重构结果中产生伪峰，通过引入离网偏差估计模块修正泄漏影响。稀疏度的先验估计根据雷达探测场景中的目标数量历史统计确定，估计偏差较大时重构算法倾向过稀疏或过稠密的解。过稀疏解遗漏弱目标，过稠密解产生虚假目标。稀疏度自适应的贝叶斯方法根据数据拟合残差与重构结果的复杂度自动调整稀疏度约束。
噪声在稀疏重构中的影响通过加权最小二乘与稳健估计来抑制。加权最小二乘方法根据各阵元接收信号的信噪比为数据赋予不同的权重，信噪比较高的阵元获得较大的权重，信噪比较低的阵元权重较小。权重系数的计算依赖噪声功率的估计值，估计值通过接收机空闲时段的噪声采样获得。稳健估计方法采用岭回归或最小绝对收缩与选择算子等正则化技术，在目标函数中增加权值的范数惩罚项。范数惩罚项的形式影响重构结果的稀疏性与鲁棒性，范数惩罚产生较为稀疏的解但在强噪声下稳定性较差，范数惩罚产生较为稠密的解但抗噪能力较强。混合范数结合两种范数的特点，在稀疏度与鲁棒性之间提供可调节的折中。
超分辨重构在实际部署中的计算复杂度需要与雷达的帧速率匹配。迭代优化算法通过反复更新权值直到收敛，收敛速度由算法步长与目标函数的曲率决定。步长设置较大时收敛速度较快但可能在极值点附近震荡，步长设置较小时收敛稳定但需要较多迭代次数。基于协方差矩阵特征分解的子空间类算法不需要迭代，计算复杂度由特征分解的阶数决定，特征分解的阶数与阵元数量相关。当阵元数量较多时特征分解的计算量超出实时处理能力，采用降维处理将阵列划分为子阵，对子阵级联信号进行重构以降低计算负荷。
抗噪声鲁棒性的评估通过注入不同信噪比的加性噪声与相位噪声进行。加性噪声的注入幅度覆盖雷达实际工作环境中的典型噪声范围，评估指标包括角度估计的均方根误差与虚假目标出现频率。相位噪声的注入模拟本振源的非理想特性，相位噪声强度影响重构算法对信号相位的敏感度。评估结果为超分辨算法在不同噪声条件下的性能边界，边界条件输入雷达的控制软件作为工作模式切换的依据。从数据预处理到重构算法再到抗噪声处理，毫米波雷达阵列的角度超分辨正在通过算法层面的多维优化逐步提升其在真实环境中的可用性，这种提升使雷达在目标密集场景中的分辨能力接近阵列孔径限定的理论边界。
