多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达成像技术中的阵元呈空间分布,其虚拟孔径特性可以由用少阵元实现等效密集阵列体现。在减少阵元数目,降低雷达系统复杂度的同时,得到与密集排布阵列接近的成像性能。超宽带信号与二维MIMO阵列的结合,可以进一步获取探测区域的三维成像结果,从而获得更为丰富的目标空间分布信息。针对人体目标,超宽带雷达信号能为生命迹象监控、成像提供精确测量,其雷达三维成像结果可以区别人体的姿势。MIMO雷达的成像性能受限制于硬件条件和应用需求,同时噪声、杂波以及阵元布局会直接或间接影响成像结果。为了获得分辨率较高的成像结果,本文研究了针对人体目标的雷达成像及增强成像技术。内容包含:超宽带MIMO雷达回波模型分析,人体椭球雷达散射截面积(Radar Cross Section,RCS)回波建模,超宽带MIMO雷达成像模型,基于传统解卷积及正则化的超宽带MIMO雷达增强成像方法。首先,研究典型超宽带雷达波形和MIMO雷达的阵列特性,建立雷达回波信号模型,分析回波信号的一维距离像,结合雷达回波模型对实测信号进行了分析,提出基于骨骼节点的人体椭球RCS模型,利用Kinect获取人体目标的骨骼节点作为该模型参数,建立模型,仿真人体雷达回波信号。然后,分析MIMO雷达天线的布局方式造成的影响,并设计一种“口”型均匀采样天线阵列,仿真验证了后向投影(Back projection,BP)成像算法及相干因子(Coherence Factor,CF)加权算法。接着分析了MIMO雷达的目标空间谱和成像分辨指标的关系。建立雷达成像退化模型、点扩展函数(Point Spread Function,PSF)模型。介绍逆问题的基本概念,介绍传统解卷积增强成像方法的优缺点,重点对Lucy-Richardson方法进行推导并对点目标仿真。仿真结果证明,解卷积方法可以提高点目标的分辨率,不过分增加强弱目标间的幅度差异,较CF加权算法更适合对人体雷达图像进行增强,但随着迭代次数增加,会产生病态问题放大噪声,成像结果出现畸变。最后,针对解卷积方法在解决逆问题时存在病态特性,本文对正则化基本原理进行说明,并对典型正则化方法及其参数选取进行推导并分析了优缺点。提出了两种超宽带MIMO雷达正则化增强成像方法,利用人体目标成像结果的视觉可辨识度和定量指标来评判提出算法的有效性,将病态问题转化为一种良态结果,最后选取最优方案。通过仿真实验和实测数据实验和同类别方法对比后,本文提出的方法可以提高图像信噪比,具有更快的收敛速度,损失较少的图像信息,与原始成像结果的图像结构相似度更高,在不同噪声等级下的相对误差较小。