前视成像雷达能够对运动平台正前方场景进行距离-方位二维成像,在自主着陆、精确制导等领域具有重大应用价值,成为了国际研究热点。距离向高分辨成像可以通过发射宽带线性调频信号,使用脉冲压缩技术获得。在方位向上,由于平台运动方向与成像场景的方位向几乎垂直,前视雷达无法积累大的多普勒带宽,因此难以合成孔径实现方位向高分辨成像。此外,由于运动平台空间尺寸受限,传统厘米波、分米波雷达难以形成窄波束,仅通过波束锐化技术还无法满足现代雷达对方位向高分辨的需求。毫米波雷达由于其波长小,可以在较小的尺寸空间下形成窄波束,在此基础上对其方位向进行超分辨成像,将成为前视成像雷达提高方位向分辨率的一个重要手段。本文围绕着毫米波雷达前视成像技术展开研究,开展了基于单脉冲测角、正则化反卷积以及贝叶斯的反卷积的前视成像算法理论研究,并通过算法仿真验证了各成像算法的可行性。主要工作内容以及创新如下:1、根据雷达与目标之间的几何关系,建立了毫米波前视成像雷达的回波信号模型,在此基础上,通过对距离向和方位向回波特性的分析,结合前视成像雷达的工作原理,提出了毫米波前视成像雷达的成像基本流程和方法。2、在单脉冲测角的基础上,通过计算和理论推导,建立了单脉冲测角成像模型,并给出了基于单脉冲测角的毫米波前视成像方法。经过点目标与场景目标成像仿真,验证了该算法对目标角度精确测量成像的有效性。3、建立了毫米波前视成像雷达方位向回波反卷积模型。对稀疏目标成像,提出了L1-TSVD正则化成像算法。该算法相较于L1正则化成像算法,具有对噪声抑制能力强,鲁棒性更好的优点。对场景成像使用L2正则化方法,该算法能有效抑制噪声对成像造成的影响。4、在贝叶斯框架下实现了前视雷达成像,把SBL(稀疏贝叶斯学习)引入到前视成像雷达中。并且提出了SBL-TSVD算法对稀疏场景成像。该方法克服了SBL(稀疏贝叶斯学习)在学习过程中,均值受噪声影响较大的缺陷;该方法相较于L1正则化成像算法,能够充分利用回波数据,从中自动推导超参数,成像效果更好。