虽然近年来单基站ISAR雷达成像在分辨率增强方面取得了快速发展,却没有提高目标识别的性能。由于单基站雷达存在目标遮挡问题,在某些雷达视角下,目标上的某些部分在雷达图像中不可见,这带来了利用目标ISAR像进行目标识别的困难。但是,当从不同角度获得同一目标的信息时,可用知识增加,这样让更多有用的目标信息被提取出来。因此要解决此问题,可利用多基站雷达,获得目标在不同视角下的图像,一幅ISAR像中不可见的信息可在另一些ISAR图像中体现,若对多基站获得的不同视角下的ISAR进行融合,可增强一幅图像中强度较弱的散射点,也可将一幅图像中不可见点显示出来,获得目标更多的信息,从而有利于目标识别。虽然每幅图像的分辨率不同,但融合技术可以处理来自多个逆合成孔径雷达(ISAR)的原始数据。合成图像可以通过坐标变换等,将不同基站的数据,即不同坐标系的数据根据它们之间的几何关系变换到同一坐标系里,再在多个分开的积分区域做逆2-D傅里叶变换得到。因此,本文分别通过图像融合和数据融合方法,对不同基站的雷达的信息进行合成的研究是很有实际意义和价值的。首先,本文介绍了多基站ISAR成像融合的基础知识——ISAR转台成像原理,计算出ISAR所成二维像的距离和横向分辨率,并分析了数据域的采样区域和分辨率的关系。还介绍了ISAR成像的最常见的算法——小转角下的距离—多普勒(R-D)FFT算法。然后,采用部件分解法对导弹目标(小钝头单锥形目标和小钝头双锥形目标)建模,利用物理光学法计算目标的散射场,从而得到目标在不同姿态、不同雷达参数下的回波数据,即转台目标下的ISAR回波信号。对此信号采用RD算法处理即得到目标的二维ISAR图像。仿真结果同时也验证了导弹目标的像为二维平面中的几个强点,并且各个强点在不同的雷达视线角下其强度有着明显的变化。最后,介绍了本文最关键的部分——成像融合算法。对数据融合算法和图像融合算法进行了详细的介绍。数据融合方法是在数据域对不同基站的回波数据进行旋转平移剪裁等操作,经过上述操作的回波数据符合数据融合规则,可以直接将不同基站的回波数据相加,做逆傅立叶变换得到数据融合后的目标二维图像;图像融合方法是在图像域对经过逆傅里叶变后得到的分辨率尺寸有可能不同的多幅二维ISAR图像进行合成。为满足图像融合的需要对ISAR图像进行图像缩放、平移旋转、剪裁、加权平均等图像处理,从而得到图像融合结果。以上两种算法都能实现多基站雷达对同一目标的成像融合。从仿真的结果我们可以看到,多基站雷达成像比单基站雷达成像效果好,能实现对目标某些电磁遮挡部分成像,也能将图像中强度较弱的点增强。