合成孔径雷达(Synthetic aperture radar,SAR)是一种全天时、全天候的主动式成像雷达,SAR输出的高分辨率图像是土地测绘,目标识别与解译以及环境监测等重要应用的基础。但是,由于气流扰动以及自身飞行的不平稳,机载SAR在回波数据采集过程中容易出现运动误差,它会造成目标在距离压缩后出现位置偏移,而在方位压缩后出现主瓣展宽或者成对回波甚至淹没在杂波之中。因此,基本的成像步骤必须要考虑存在运动误差的情况或者需要将经典的成像算法与独立的运动补偿算法进行结合,这样才能为SAR的推广打下坚实的算法基础。目前机载SAR运动补偿领域面临的主要问题是如何估计高精度的运动误差并解决该误差的距离依赖性(也叫距离空变性),方位孔径依赖性(也叫孔径空变性)以及方位时变性。对于运动误差的估计,主流的算法都是基于方位相位梯度自聚焦(Phase gradient autofocus,PGA),也有少部分基于参数化自聚焦算法的;而对于运动误差的几个特性,当前的算法或解决方位时变性(“两步”运动补偿算法等),或解决方位孔径空变性(时域子孔径分段补偿算法、频域分段补偿算法等),或解决距离空变性(“一步”运动补偿算法等)。本文就是在这样的背景下开展运动误差估计以及高精度运动补偿块处理(Block processing)算法的研究。第一,在存有残余运动误差的情况下,提出基于自动距离徙动校正的成像算法和基于分数阶傅里叶变换的自适应脉冲压缩算法。首先,本文将回波的徙动校正量视为自变量,辅以校正后的信号加权熵为代价函数,精确推导了下降梯度的解析式。相对于对残余误差进行建模的传统算法,自动距离徙动校正算法的鲁棒性更好。其次,由于残余运动误差对于方位相位的影响,本文将分数阶变换的旋转角作为自变量,压缩后的信号熵作为代价函数,以梯度下降的方式自适应搜索最优旋转角,避免传统失配现象发生。第二,提出基于改进冗余熵(Modified entropy and residual entropy,MERE)和最优传递法(Optimal transfer method,OTM)的自聚焦算法。首先,在分析传统图像熵性能的基础上,本文定义了图像的改进熵和冗余熵,并将其加权求和构成新的代价函数MERE,它既能够维持优化强目标,又可以保持弱目标的强度,进而确保整个场景结构的准确性。其次,应用最优传递法并且设计了MERE的高效替代函数(Surrogate function,SF),以降低迭代的复杂度。再有,该算法还引入一种自适应参数选择的机制来确定模型的参数,以确保不会出现模型的过拟合或者欠拟合。最后通过机载SAR实测数据实验验证了该算法的有效性和优越性。第三,提出复杂飞行轨迹下基于相关输入相位梯度自聚焦和加权总体最小二乘的运动误差估计算法。针对复杂轨迹下传统自聚焦低信杂比的情况,本文在距离徙动校正之前首先收集强目标方位相位历史,并且对不同距离单元处方位信号进行互相关处理,进而将互相关之后的信号作为PGA的输入,以提高输入信杂比和估计精度。其次,整个自聚焦过程被分为相位误差粗略估计,精细估计以及线性项估计三个阶段,其中粗略估计阶段使用相关输入,精细估计和线性项阶段均使用传统输入,而每个阶段均使用加权总体最小二乘进行从相位误差到运动误差的估计。这样的策略使得无论在复杂还是简单缓变的飞行条件下,都能保证较高的运动误差估计精度。第四,提出高精度的距离空变和孔径空变运动误差补偿算法。该算法在分析了运动误差与目标距离、瞬时斜视角之间的几何关系基础上,以数据块为处理单元,对运动误差进行完整地补偿。首先,将目标的运动误差在距离向上进行泰勒展开,并采用线性变标(chirp scaling,CS)来补偿这部分距离空变运动误差分量。其次,严格推导了“两步”补偿和线性变标处理后方位频率――瞬时斜视角之间的解析关系,提出了对应的两种精确频率分段(Precise frequency division,PFD)补偿算法,来补偿残余的孔径空变误差分量。最后,对于调频连续波系统解斜接收的情况,本文用频率变标(Frequency scaling,FS)代替CS,从而将这种良好的距离包络校正想法推广到连续波系统。