合成孔径雷达（Synthetic Aperture Radar,SAR）是微波有源遥感的手段之一,是一种高分辨成像雷达,已广泛应用于军事侦察、地质勘探、灾害预警、环境监测等多种领域。近年来,SAR成像技术发展迅速,SAR系统获得的数据日益增多,从大量数据中提取目标的相关研究也已经取得重要进展。如何提高SAR图像识别准确率并将其应用到实际中,成为当前需要继续深入研究的问题。SAR图像目标识别是SAR图像分析和解译的重要环节,SAR成像质量直接影响SAR目标识别,对SAR成像原理和成像算法的深入理解,有利于提高SAR图像目标识别的性能。本篇论文开展了合成孔径雷达相关研究,在研究SAR成像原理和成像算法的基础上,完成了 SAR图像目标识别软件的研发,实现了基于卷积神经网络的SAR图像目标识别算法,主要研究内容包括以下几个方面:（1）研究面向距离向高分辨和方位向高分辨的合成孔径雷达成像原理。分析了宽带信号的匹配滤波处理,线性调频信号脉冲压缩处理,及合成阵列处理等理论原理。研究了合成孔径雷达高分辨成像的两种经典算法:距离-多普勒（Range-Doppler,R-D）算法和线性调频变标（Chirp Scaling,CS）算法。分析两种算法的基本原理,给出算法的实现步骤,对两种算法进行了综合性能分析和比较,根据实测星载数据和机载数据对两种算法进行优化选择。理论分析和实验结果表明,线性调频变标算法具有更小的运算量和和更好的聚焦效果,在本文使用的数据集上成像更为清晰。（2）研究了 SAR图像特征提取和识别方法。在研究SAR图像特性的基础上,基于模式识别方法设计了 SAR图像目标识别的框架。按照框架的流程,对识别系统中特征提取和分类两个主要部分进行了讨论,完成了 SAR图像目标识别软件系统的研制,为SAR图像目标识别方法的研究提供了操作简便、功能丰富的研究平台。（3）在对卷积神经网络的工作原理和基本结构的研究基础上,提出了基于卷积神经网络的SAR图像目标识别算法。针对SAR图像设计了卷积神经网络的架构,引入Dropout技术抑制过拟合,解决SAR图像数据集偏少问题。通过实验在MSTAR实测数据集上对本文设计的算法有效性进行验证,在SOC条件下10类目标识别实验中取得97.8%的正确率,在EOC条件下3类目标识别实验中取得97.7%的正确率。