利用水下无人平台搭载合成孔径声纳对水下可疑目标识别是反水雷技术的重要方向之一。传统的条带合成孔径声纳目前仍无法完全解决水下目标识别问题,而圆周合成孔径声纳(Synthetic Aperture Sonar,SAS)在水下目标识别方面具有独特的优势。圆周SAS围绕目标做360°圆周运动获得目标场景的反射信息用于成像,由于观测角范围的增加使得目标频谱展宽,并且方位向与距离向存在耦合,使得方位分辨率和距离分辨率均突破了条带SAS的分辨率极限,可以获得高分辨二维图像,再加上圆周SAS可以对目标进行三维成像,使得圆周SAS在水下目标识等领域别拥有较大的应用前景。本文对圆周SAS的成像原理、成像方法和自聚焦补偿方法进行了一定研究。论文的主要内容如下:1.圆周SAS成像系统的基本原理。本文首先介绍了圆周SAS成像系统的基本模型,对其时域和频域的回波信号进行了分析。然后对圆周SAS的二维分辨率进行了研究,推导了其在全孔径下对于中心点目标的分辨率公式,并分析了在部分孔径下分辨率随观测角的变化关系。2.圆周SAS成像方法。本文介绍了两种适用于圆周SAS的成像方法,分别是后向投影算法和波数域算法。后向投影算法一种是逐点搜索的成像算法,具有较为精细的成像结果,该算法的主要缺点是计算量大;波数域算法主要进行傅里叶变换,是一种高效的算法,降低了成像的运算量,但是它的主要缺点是在算法处理过程中有大量的数据重构,转置与存放,对系统内存要求很高。最后利用仿真实验验证了两种算法的性能。3.自聚焦算法研究。本文首先分析了圆周SAS的运动误差模型,并分析了运动误差对于成像结果的影响。最后本文采用了一种基于子孔径图像对比度最大化的方法对运动误差进行补偿。该方法针对直接利用子孔径图像对比度最大化方法不能准确估计误差的不足,通过最小二乘拟合方法对对比度最大方法估计出的误差进行拟合,从而得到较为准确的估计误差。该方法首先需要选取大小合适的子孔径数据进行子孔径成像,再利用对比度最大准则求得子孔径图像需要补偿的误差,以此求得整个孔径的误差并利用最小二乘方法对其进行拟合,使得估计出的误差更好的逼近实际误差,最终将整个孔径的误差进行补偿。仿真结果显示了该方法的有效性。4.实验数据处理。仿真数据与实际数据往往存在差别,本文利用目标自转,发射/接收固定不动的方式,获得目标的360°散射信息。通过对实际数据处理,再次验证了成像算法和自聚焦算法的有效性