合成孔径雷达（Synthetic Aperture Radar,SAR）作为一种主动式的微波成像传感设备,与传统的成像设备相比其不但具备一定的穿透能力且不受气象条件限制,使之能够实现全天时、全天候的监测成像,这些优势使其在地质勘探、灾害救援、农业监测以及国防安全等诸多领域都有着极为广泛的应用,因此也产生了海量的SAR图像。为了从海量数据中进行有效信息的快速提取,对SAR图像的智能化解译成为了该领域的重要研究方向,目标识别则是SAR图像智能化解译的主要任务之一。传统的SAR图像识别算法主要针对同源的SAR图像,即参与模型训练的SAR图像数据与测试数据来自于同一获取源。但由于某些目标的SAR图像数据较为稀缺,没有足够的数据支撑相关模型的训练,因而基于仿真SAR图像的目标识别即异源SAR图像目标识别成为了相关研究的主要方向之一。基于上述问题,本文首先提出了一种基于风格迁移的方法实现数据集的扩充作为实验数据,然后将异源图像分为源域和目标域,分别提出了两种不同的基于域自适应的异源SAR图像目标识别算法。具体内容如下:（1）针对目前可供研究的仿真SAR图像数据较为稀缺,相关公开数据集非常有限的问题提出了一种基于编码器-解码器结构的风格迁移的方法以快速生成仿真SAR图像的方法。该方法首先通过块匹配三维滤波去噪算法进行源SAR图像预处理,然后结合仿真SAR图像在风格迁移模块中的编码器结构进行特征提取,接着通过自适应实例规范化模块获得待生成SAR图像的特征图,最后通过解码器对图像进行生成。实验结果表明了该方法的可行性并据此构造了一个仿真SAR图像数据集作为后续异源目标识别的数据基础。（2）提出了一种基于孪生网络的域自适应异源SAR图像目标识别方法,该方法基于孪生网络结构对特定已知目标进行训练以提取域不变鉴别特征的方法实现异源目标的跨域识别。该方法主要包括特征提取模块、相似度度量模块和分类器三个模块,特征提取模块由两个参数共享的卷积神经网络构成,在训练该部分时同时输入合作目标的源域数据和目标域数据经过相似度度量模块进行计算其特征距离并进行反向传播,分类器模块的训练则使用待测试目标的仿真数据进行训练。该方法的论证实验在上述数据中进行了验证,其结果表明,所提方法能够有效地完成对异源SAR图像的目标识别。（3）提出了一种无监督特征提取及对齐模块的域自适应方法用于异源SAR图像的目标识别,其基于对比学习自监督的特点,通过数据增强构造正负样本对实现对目标域数据鉴别特征的提取。同时引入了特征对齐网络通过域特征损失反向传播对齐异源数据的特征,再结合源域已知标签的训练数据对分类网络进行训练,最终实现了一个无监督域自适应的异源目标识别方法。本方法在上述数据集中进行了验证,也取得了良好的识别效果。