雷达对物体的探测是基于电磁波在介质中的传播和散射特性,在对采集数据和反演处理后,可获取物体表面及内部信息。因为这种方法具有非接触、无损的特点被广泛应用于各个探测应用领域,如地质探测、水资源探测和环境保护等。雷达数据的反演结果和质量直接影响着雷达探测的效果,因此,提高反演的效果是雷达探测中的一个重要环节。但是,由于存在反演的不适定性问题,即反演的不稳定性,使得反演常常受到某些限制。正则化处理方法是目前解决反演不适定性问题的一种有效方法。本文首先介绍了反演问题和正则化方法的相关理论。系数矩阵中较小奇异值的存在导致了反问题的不适定性,在对正则化方法的分析过程中发现,对较大奇异值的修正并不能改善病态性,却过多地引入了偏差。针对这一问题,本文提出了一种基于奇异值比值的正则化矩阵修正方法来加强对较小奇异值的修正,减少对较大奇异值的修正。奇异值分解矩阵后,通过条件数法在奇异值矩阵中确定门限奇异值,将门限奇异值与各奇异值比值的平方根构造对角矩阵,将对角矩阵与左奇异值向量矩阵结合构造正则化矩阵。本文选择了三组数值数据,对比了最小二乘、截断奇异值、岭估计和本文的算法的计算结果,反演结果表明本文提出的正则化矩阵修正方法,可以提高反演结果的精确性。为了证明本文提出方法的有效性,论文以钻孔雷达走时层析成像反演中的不适定性为例,进行了反演计算和分析对比。在雷达走时层析成像中,多采用射线追踪的技术来模拟电磁波传播的过程,在对探测区域进行网格离散过程中,射线被分割成若干段,由于多条射线组成的探测数据矩阵是一个稀疏矩阵,从而导致了走时层析成像的不适定性。本文采用直射线追踪方法构建走时层析成像的系数矩阵,并采用标准Tikhonov正则化法和本文算法进行反演。