雷达关联成像是一种新的凝视高分辨成像体制,通过对电磁波波前进行随机调制,构造时空二维随机辐射场,将目标回波与随机辐射场进行关联处理,实现对波束内目标信息的提取与解耦。在关联成像过程中,需要对辐射场参考矩阵进行准确推演,然而多种未知的模型误差的存在会使推演变得不准确,造成模型失配,进而影响成像质量。本文针对模型失配的雷达关联成像进行研究,分析了模型失配对成像的影响并提出相应的成像算法,使雷达关联成像在多种模型误差扰动下依然能够保持较高的成像质量,为解决实际场景中成像问题提供了理论支撑。雷达关联成像通过对整个成像过程建立精确的数学模型来推演辐射场参考信号,进而进行关联成像处理。多种模型误差的存在会使已有的成像模型不再准确,造成模型失配。本文首先推导了存在多种误差时的信号表达式,并采用干扰矩阵来表示模型误差对参考矩阵造成的扰动,从而建立起了模型失配下的雷达关联成像数学模型。利用概率论与随机信号分析理论,得出干扰矩阵的元素服从复高斯独立同分布的结论,并通过仿真实验进行了验证。基于此结论,推导了模型失配下目标成像误差的约束克拉美罗下限(CCRB)。目前雷达关联成像针对较为理想的点稀疏目标进行的研究较多,所提算法的成像性能也较高,然而模型失配问题会降低已有算法的成像质量。本文将模型失配下的点稀疏目标成像问题归纳为稀疏整体最小二乘问题。在干扰矩阵方差已知的情况下,采用广义高斯分布对目标稀疏先验信息进行建模,推导出基于散射系数最大后验概率估计的目标函数,并采用TLS-FOCUSS算法对目标函数进行求解;在干扰矩阵方差未知的情况下,将干扰矩阵视为待求解的未知变量,得到基于散射系数与干扰矩阵的最大后验概率估计的正则化目标函数,提出范数比法(Norm-ratio Method)来选择最佳的正则化参数,进而提出了R-FOCUSS算法;同样在干扰矩阵方差未知的情况下,采用高斯分布对目标稀疏先验信息进行建模,利用期望最大化(EM)算法求解散射系数方差—超参数,利用MU-SBL算法迭代求解目标散射系数均值、方差以及干扰矩阵。最后通过仿真实验验证了所提算法的有效性,分析了所提算法在不同系统参数和成像条件下的成像性能。雷达关联成像过程需要对成像区域进行网格划分。实际目标的散射点在成像网格上可能并不是点状稀疏分布的,而是呈块状聚集分布,此时的目标称为块稀疏目标。针对模型失配下的块稀疏目标成像问题,本文利用稀疏度这一指标定量表征目标散射点的稀疏程度,分析了块稀疏目标对已有稀疏类重构算法的影响。采用对目标的边缘信息具有良好保持特性的TV正则化约束作为求解约束项,提出了模型失配下块稀疏目标成像的目标函数;基于增广Lagrangian乘子法和交替求解思想提出了TV-TLS算法。最后通过仿真实验证明了TV-TLS算法对均匀块稀疏目标、点稀疏目标以及复杂块稀疏目标均具有良好的成像效果,分析了所提算法在不同系统参数和成像条件下的成像性能。本文最后总结了主要工作和创新点,并指出了后续研究方向。