SAR图像仿真过程能够实现SAR目标仿真图像的自动生成,在SAR图像数量较为有限的条件下,对SAR目标解译与识别具有非常重要的作用。受限于数据获取方式,SAR目标图像数量通常都极为有限,传统的基于电磁计算的SAR目标图像仿真方法,由于缺乏联合优化往往容易出现参数失真,从而对仿真图像产生较大影响。本文提出使用基于生成对抗网络端到端的方法进行SAR图像仿真,仿真过程选用基于卷积网络的DCGAN、基于梯度惩罚的WGAN以基于梯度惩罚的WGAN三种方法,采用由浅至深的DCGAN基础结构、四残差块卷积网络和Resnet三种网络结构。针对MSTAR数据集中的典型SAR目标图像,通过网络优化与对比,分析了各方法与结构在SAR图像仿真过程中的生成效果与收敛特性,从而实现了SAR典型目标图像的智能仿真,并使其具备优秀的视觉仿真效果。