合成孔径雷达(SAR)是一种全天时、全天候对地高分辨率成像的雷达系统,在诸多领域发挥重要作用。传统SAR成像处理是基于理想点目标模型的,不具备对成像场景的自适应能力,智能化处理水平低。近年来提出的认知雷达技术,通过构建闭环反馈系统具备环境学习与知识更新能力,获得性能提升。本论文将认知雷达技术与SAR成像相结合,具体研究基于输出信杂比最大准则的发射波形设计及基于稀疏先验信息利用的智能成像算法。针对认知SAR发射波形设计问题,研究利用目标场景先验知识,在最大输出信杂比准则下,设计目标场景最佳匹配的认知发射波形及对应的匹配滤波器。提出基于迭代线性分式规划的方法,将最优发射波形及最优匹配滤波器的联合设计问题,转化为两个级联的线性分式规划的问题,通过迭代优化实现最优求解。仿真实验表明基于线性分式规划设计的最优发射波形及匹配滤波器,对分布式目标成像时,输出信杂比较传统线性调频信号(LFM)有明显提升。基于先验知识利用的认知SAR智能成像算法方面,研究了多航迹圆迹SAR模型下的三维成像问题。综合利用成像场景在距离、方位和高度三个维度的稀疏分布特性,建立联合稀疏重构模型,提高成像性能。进一步考虑到建筑物等人造目标后向散射特性随角度变化剧烈,采用分子孔径联合稀疏约束成像后进行子孔径非相干叠加的方式,实现高分辨三维成像。基于GOTCHA实测数据的成像处理验证了方法的有效性。