永久散射体（Permanent Scatterer，PS）点选择是地基干涉合成孔径雷达（Ground-Based Interferometric Synthetic Aperture Radar，GB-InSAR）处理中的关键步骤.现有的PS点选择方法依赖于幅相稳定性或像元之间的高相干性筛选PS点，其中幅相稳定性对相位波动敏感，在一些情况下不能很好地表征PS点的相位误差，而基于高相干性的方法基于局部窗口，容易造成误检.针对上述问题，本文分析了GB-InSAR图像中PS点与非PS点的干涉相位在分布特征上的差异，并基于此提出了一种基于高斯混合模型（Gaussian Mixture Model，GMM）的PS点选择方法.首先在保证质量的前提下，选择足够数量的PS点作为先验参考信息，然后使用GMM拟合参考PS点干涉相位的概率分布，最后依靠全图像元的干涉相位序列与GMM的匹配程度区分PS点与非PS点.实测数据表明，与基于幅相稳定性的传统方法相比，在获得的PS点数量接近的情况下，本文方法获取的PS点的相关性更强，干涉相位序列聚合程度更高，且残差点数量更少.

微波光子雷达由于具备距离向的超大带宽和超高分辨能力，通过逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR）成像能够带来舰船等重要目标更精细的信息，对于海上监视具有重要意义.然而在超高分辨特性下，目标转动导致的三维空变多普勒参数会造成图像的散焦，在二维回波域成像时必须要进行区域化的补偿处理，但现有方法无法实现自适应的区域化分割，要实现二维超高分辨成像难度很大.为了解决上述问题，本论文提出了一种基于空变多普勒参数聚类的微波光子ISAR高精度成像方法.首先，建立了微波光子ISAR舰船目标回波模型，导出了多普勒参数的三维空变特性，并分析了二维区域化补偿处理的必要性；然后，通过强散射点的分离、多普勒参数的自适应估计及插值等处理，建立了目标各散射点与二维多普勒参数之间的映射关系，并在二维多普勒参数域通过聚类处理，完成空变多普勒参数的自适应最优分割，为高精度的区域化补偿处理奠定了基础.最后，通过区域化非空变二维相位一致性补偿处理，实现了微波光子ISAR超高分辨成像.并通过仿真和实测数据处理，验证了本方法的有效性.

在合成孔径雷达（Synthetic Aperture Radar，SAR）系统中，舰船目标在中高海情下的三维转动会导致多普勒频谱时变和图像散焦，并对后续SAR舰船目标的信息解释造成不利影响.针对三维转动舰船目标的重聚焦问题，本文提出一种基于最小熵准则与生成对抗网络的SAR三维转动舰船目标重聚焦方法，设计了生成器和判别器的网络结构.生成器将散焦SAR舰船复图像变换到距离-多普勒域，利用相位误差系数估计网络逐距离单元估计相位误差系数，并实现对多阶次相位误差的补偿.判别器由一个复数域卷积神经网络构成，其所有元素，包括卷积层、激活函数、特征图和网络参数，均被扩展到复数域.损失函数中引入最小熵准则和对抗损失进行无监督训练，避免非合作舰船目标标注样本难以获取的问题.在仿真数据和高分三号SAR数据上的实验表明，该方法在重聚焦精度和效率上均有显著提升.

逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR）稀疏成像方法可提供图像对比度高、旁瓣干扰少的成像结果.稀疏成像以场景或目标散射率分布具有稀疏性为前提，待成像目标场景的稀疏特性决定了最终成像质量.ISAR目标场景的自然稀疏特性着重刻画点状特征，变换域稀疏表示可增强目标图像的纹理等通用特征.通过学习获得的稀疏变换字典，可自适应于待成像的ISAR目标场景，找到面向ISAR目标图像块的特有稀疏表示.但是，图像块的特有稀疏表示中忽略了待成像目标场景中目标的几何特征信息.最近邻图模型可建立给定数据的几何特征描述算子，刻画出给定数据的几何特征信息.本文利用最近邻图模型来刻画待成像目标场景中目标的几何特征信息，并映射到待成像目标场景的特有稀疏表示中；提出结合最近邻图模型的ISAR稀疏成像方法，用于不同类别实测ISAR数据成像.相比已有的ISAR稀疏成像方法，所提成像方法可获得目标轮廓更清晰的成像结果，成像所需时间平均减少10.4%.

太赫兹合成孔径雷达（SAR）凭借其高分辨率成像和精细目标细节提取能力，展现出广阔的应用前景.由于信号波长较短，太赫兹SAR极易受到平台振动的影响，导致其成像过程中存在虚假成像点、沿方位向模糊、SAR图像散焦等诸多问题.为解决这一挑战，本文对复杂太赫兹SAR平台振动进行精细化建模，并对应地提出了太赫兹SAR自适应运动补偿算法，基于数理模型分析平台振动对成像过程影响机理，灵活精确地补偿实际场景中复杂的太赫兹SAR平台振动.首先，本文提出了基于时变幅度调制振动模型（TAMVM）的太赫兹SAR平台振动的精细化建模方法.通过集成余弦时变幅度和随机时变幅度调制模型，TAMVM模型克服了传统简谐振动模型的局限性，提升了对复杂多变的太赫兹SAR平台振动的适配性.其次，针对传统依赖简谐模型的运动补偿算法在处理复杂平台振动时的性能损失，提出了最小Tsallis熵准则下基于列文伯格-马夸尔特（LM）算法的太赫兹SAR自适应运动补偿方法.本文提出的图像质量驱动的运动补偿算法无需依赖特显点，能够在非线性最小二乘框架下精确估计复杂多变的回波振动相位，且无需额外的补偿步骤.同时，本文在最小Tsallis熵准则下精确推导了LM算法的迭代运算过程.该算法通过自适应调整搜索位移实现反馈更新和迭代优化，能够精确估计回波振动相位并抑制图像模糊，从而获得高质量的聚焦太赫兹SAR图像.仿真与实测数据的对比结果验证了本文所提的TAMVM振动模型的合理性和可行性，以及所提自适应运动补偿方法在精准聚焦太赫兹SAR图像与抑制虚假成像点方面的优越性.