作为一种高分辨成像雷达,逆合成孔径雷达(ISAR)在空间态势感知与防空反导中发挥着愈加重要的作用。目前,如何从空间目标高分辨ISAR像中获取其形状、尺寸等信息,进而实现关键部件的功能评估、目标特征提取与分类识别是ISAR领域研究的难点与关键问题。由于受到数据来源与军事背景限制,较难获得大量公开的空间目标实测数据。针对该问题,本文根据现有空间目标轨道信息及其三维几何模型,深入研究了空间目标回波的动态电磁仿真方法,进而构建典型空间目标的电磁回波数据库,并生成空间目标ISAR像数据集。在此基础上,针对非合作目标姿态在观测过程中快速变化,ISAR像易受运动方向、观测带宽、相参积累时间、距离与方位采样率等因素影响而出现复杂未知形变等难题,提出基于多通道空间变换网络的稳健目标识别方法。进一步针对ISAR像样本较少等问题,提出基于生成对抗网络(GAN)的ISAR像数据扩充方法,从而提高了现有数据的利用率。相关研究工作将为提高我国地基雷达的空间目标探测与识别能力提供理论与技术支撑。本文主要工作内容及研究成果可概括为以下几个部分:第一部分概述了目标电磁散射计算的基本原理,进而介绍了ISAR成像原理及越距离单元徙动校正算法,为后续典型空间目标的动态电磁散射计算与ISAR像数据库构建奠定了基础。第二部分提出一种空间目标ISAR回波动态电磁仿真方法。该方法首先建立了空间目标的观测坐标系,进而给出空间目标动态观测视角的计算方法。在此基础上,在对应方位、俯仰角处根据设定的雷达参数计算目标动态电磁回波,最终得到其二维ISAR回波矩阵。与传统首先进行全角域电磁散射计算,再进行回波抽取的方法相比,该方法能够有效减少计算量。第三部分针对目标ISAR像存在未知图像域形变,为有效识别带来较大困难等问题,结合极化逆合成孔径雷达(Pol-ISAR)所蕴含的丰富目标特征,提出基于多通道空间变换网络的Pol-ISAR稳健识别方法。该方法采用空间变换网络模块自动调整每个极化通道的图像形变,进而通过融合层实现特征融合,最终实现基于Pol-ISAR像的自动目标识别。与现有基于深度卷积神经网络的目标识别方法对比,该方法能够获得更高的识别率。第四部分针对现有ISAR像数据不足的问题,研究了基于GAN的数据扩充方法,为目标特征提取与识别提供了更多数据样本,提高了现有数据的利用效率,并通过实验验证了方法的可行性。