目前穿墙雷达中使用的大多数算法，在隐藏目标先验信息未知的条件下，无法精确重构目标外形信息。近年来，一种线性采样法由于可以精确重构目标外形信息，得到了广泛关注，但该方法需要大量阵元提供丰富数据支撑。针对这一问题，本文提出一种基于改进时域信源的时域线性采样法，该方法不仅可以重构隐藏目标外形信息，还可以有效应用于穿墙雷达中。主要研究工作包括以下几个方面：　　1、由于传统频域线性采样法具有可以重构目标边界外形的特点和优势，本文对传统线性采样法模型应用条件进行分析，发现该方法虽然可以精确重构目标外形，但由于需要较多阵元提供数据支撑，因此不适合应用于穿墙雷达设备。随后，通过分析时域雷克波信源特征，将新的信源信号引入线性采样法，并推导出相应的数学模型，再通过分析新的数学模型，找到了影响时域线性采样法重构成像性能的几个重要参数，并分析了这些参数对算法的影响，最后通过仿真和实验结果验证了新信源下的时域线性采样法的有效性，以及几个重要参数对时域线性采样法的性能影响。　　2、针对雷克波信源下的时域线性采样法，重构成像结果可靠性不稳定的缺陷，通过分析入射波信号特征，提出一种利用墙体前后表面回波时延差，快速估算墙体厚度的方法。随后基于修正墙体偏移后的数据，利用正演实验分析并验证了检验函数时延值的选取对重构成像结果的影响，并针对目前检验函数时延参数没有标准化选取理论和方法的缺陷，提出一种检验函数最佳时延值的选取准则，并利用互相关原理稳定获取检验函数的最佳时延值。仿真和实验结果表明，利用最佳时延选取准则替代经验选取检验函数时延值的时域线性采样法，可以有效获得理想准确的成像重构结果，提高了算法的稳定性和可靠性。　　3、针对时域线性采样法运算效率较低的问题，提出一种针对重构成像区域网格分辨率优化选取的方案，并结合数据分割重构思想对算法效率进行优化。该方案首先分析了网格分辨率大小对性能参数的影响，明确了重构效果精细程度和运算效率对网格分辨率大小的需求。随后利用迭代思想选取网格分辨率，剔除背景空间中冗余采样点的个数，并且引入噪声抑制系数，保证了在网格分辨率优化提高的过程中，噪声不会随着分辨率的提高而增加。随后，通过分析信号在检测空间中的传播特性，发现针对每个采样点的运算无需利用全局数据，因此通过分析发射阵元、采样点和接收阵元组成的完整传播路径，提出一种基于数据分割思想线性采样法改进，并设计了一个权值检验函数，利用该函数对每个采样点的局部数据进行可靠性检验，完成对有效数据范围的分离和筛选。最后通过仿真与实测实验，验证了改进方案的有效性。