随着国民经济的提升和现代战争形式的转变,雷达成像技术凭借其远距离、全天时、全天候高分辨成像的独特优势,在民用和国防遥感领域发挥着不可替代的作用。作为对空间、空中及海洋观测最重要的手段之一,逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像是非合作目标识别的关键技术。为了满足日益增加的应用需求,ISAR正朝着多功能、多维度和协同网络等方向发展。工作模式和数据获取方式的多样化,以及目标运动的复杂性,使得现有的ISAR成像体制面临着高分辨成像和目标参数提取等挑战。在国家“973”计划课题等多个项目支持下,本文针对现有ISAR成像中存在的短孔径低分辨成像、非相干的稀疏孔径以及平稳或机动目标定标等问题开展研究,旨在增强ISAR图像分辨率和探讨稳定的参数估计方法,以提高雷达自动目标识别能力。研究内容主要包括以下几方面:(1)ISAR短孔径数据的稀疏高分辨成像由于雷达的多模式工作状态或目标的机动性,短孔径数据在ISAR成像中普遍存在。尽管成像方法简单高效,但同时限制了图像分辨率,影响目标识别性能。在分析ISAR回波模型和典型运动补偿算法的基础上,本文第二章基于压缩感知理论介绍了稀疏ISAR信号的重构方法。该方法重点从统计的角度提出了一种基于数据的稀疏约束参数估计方法。通过推导重构高分辨图像的正则化问题,稀疏约束参数可由最大似然估计得到解析形式。其中,噪声方差由粗图像中大量的噪声单元估计,权值由预处理的降噪图像进行初始化。利用优化求解的高分辨图像,再对稀疏约束参数进行更新并重新估计图像,多次循环提升算法性能。结果表明,迭代估计的稀疏约束参数能在重构高分辨图像过程中,较好地权衡信号逼真度和稀疏性。(2)稀疏孔径的相干化处理和高分辨成像除了雷达多样化的工作模式外,外界或系统的干扰也会造成数据的缺损,形成稀疏孔径。对于块状稀疏分布的子孔径,经过独立的包络对齐和自聚焦处理后,残余的线性相位和复幅度将在观测孔径之间存在差异。针对这种稀疏孔径之间的非相干性,本文第三章提出了一种相干化处理方法。将子孔径的包络按质心对齐后,对各子图像中的特显点单元建立全极点模型,并由求根MUSIC算法估计极点,计算子孔径间的多普勒偏移。以其中一个子孔径作为基准校正线性相位后,通过最小二乘(Least Square,LS)方法求解各子孔径的模型系数。由估计的极点和系数,将频偏校准后的子孔径分别进行前向和后向外推至整个孔径长度。再利用LS估计复幅度偏差并进行校正。在相干化处理后,构造部分FFT基作为观测矩阵,通过稀疏信号处理的方法对缺失孔径进行恢复。从实验结果可看出,经过相干化处理和空缺孔径重构后,成像效果得到了明显提升。(3)匀速转动目标的定标方法目标识别除了需要高分辨图像之外,还需要精确的目标尺寸参数。因此,本文的第四章和第五章针对匀速转动目标提出了两种不同的定标方法。第四章先分析了平动补偿过程引入的残余平动相位对不同定标方法的潜在影响。重点提出了一种利用散射点调频率相消的有效转动速度(Effective Rotaional Velocity,ERV)估计方法,该方法几乎不受残余平动的影响。通过选取散射点单元,并将其时域信号看作时变自回归模型。对短时数据段估计瞬时极点后,滑窗获得整个孔径的多普勒历程。根据关系式,ERV可以从不同距离单元的散射点调频率解算。转动相位补偿后,再进行自聚焦处理提高图像聚焦度。由于该方法依赖于提取的散射点质量,在信噪比(Signal-to-noise ratio,SNR)较低时估计性能会下降。为了提高定标算法的稳定性,第五章针对匀速转动目标提出了基于图像整体性能的ERV估计方法。该方法考虑残余平动的影响,将其作为参数联合ERV估计。通过迭代补偿二次相位误差,直到补偿后的图像幅度平方锐化度(Intensity-squared Sharpness,ISS)达到最大值,同时获得聚焦图像和ERV估计值。在此基础上,再对聚焦图像进行自聚焦处理,进一步聚焦图像。其中,ISS最大化问题是典型的非线性最小二乘问题,利用高斯牛顿的方法可实现高效求解。与多种方法的对比结果说明,这种从图像性能角度估计ERV的方法虽然效率中等,但具有较高的精度和鲁棒性。(4)非匀速转动目标的定标和高分辨成像方法由于匀加速转动引起的距离-方位二维耦合,增加了转动参数估计的难度。针对此类目标,本文第六章首先提出了一种基于匹配傅里叶变换(Matched Fourier Transform,MFT)的图像ISS最大化的定标方法。该方法将RD成像中FFT线性变换替换为参数化的MFT变换。通过对二维耦合相位迭代补偿,使得MFT图像的ISS最大,估计得到MFT调频率和ERV参数。该定标方法能在信噪比较低的条件下保持较好的估计性能。但强噪声或低分辨率仍影响目标识别,因此,利用部分MFT基和稀疏信号处理的方法进一步完成了高分辨图像的重构。