本文首先针对弹跳射线（Shooting and Bouncing Ray,SBR）算法进行优化,并基于改进后的SBR算法建立了电大尺寸复杂目标与实际复杂海环境复合电磁散射模型,分析了目标与海面复合模型的电磁散射特性。在此基础上,进一步研究了基于电磁散射计算的SAR成像算法,建立了典型舰船目标SAR图像仿真数据集,并结合深度学习理论完成了舰船SAR图像仿真数据集的识别与分类工作。论文的主要工作如下:1、详细介绍了开放图形库（Open Graphics Library,Open GL）面元消隐以及基于八叉树结构的邻域搜索算法的基本原理,并在此基础上提出了Open GL与邻域搜索算法相结合的快速算法用以提高射线追踪的效率。该算法优化了射线穿过树结构角点与边线后的搜索问题以及射线穿出树结构体的判断问题,同时能够有效降低代码复杂度、提升SBR算法的计算效率。2、射线追踪的准确性对于SBR算法的计算精度至关重要,为了能够有效提高SBR算法的精度,本文提出了基于双尺度剖分技术的SBR算法。该算法利用大尺寸面元拟合目标几何轮廓减少射线遮挡判断次数,同时,利用再剖分的小尺寸面元进行双向追踪提高射线追踪的准确性。与传统SBR算法相比,基于双尺度剖分技术的SBR算法在保证了SBR计算效率的同时提高了计算精度。3、为了进一步提高SBR算法的计算效率,研究了基于CUDA架构的GPU并行加速算法。首先,详细介绍了CUDA编程的运行模式以及数据存储方式。然后,具体给出了基于CUDA的并行SBR算法的计算流程以及优化过程。通过对不同电大尺寸舰船目标的仿真计算,验证了并行SBR算法能够有效减少仿真时间,提高计算效率。4、为了满足电大尺寸目标与海面复合电磁散射快速求解的需求,将改进后的SBR算法与海面双尺度模型相结合,建立了海面上方单目标以及海面上方多目标复合散射模型。仿真计算了不同海况参数、不同雷达参数以及不同目标参数下,海面与单/多目标复合散射回波,分析了各参数对复合散射特性的影响。5、详细说明了SAR成像的基本原理以及距离-多普勒（RD）成像算法的具体流程。结合SAR成像原理,利用已建立的目标与海面复合电磁散射模型仿真计算了舰船与海面复合的频域散射场,并利用频域脉冲相干法得到了SAR回波数据。然后,采用RD成像算法生成了海面舰船SAR图像。同时,明确给出了极坐标格式算法录取的回波数据与电磁散射计算之间的转换关系。最后,仿真生成了不同海况参数以及雷达参数下复合场景SAR图像。6、详细介绍了Tensorflow框架的基本知识以及深度卷积神经网络的基本结构,利用仿真方法生成了六类舰船目标SAR图像数据集。根据VGG-16网络的基本结构搭建了深度卷积神经网络,并利用仿真数据对网络进行训练,研究了不同激活函数、不同学习率、不同最优化方法以及不同dropout选取比例对网络训练以及识别准确率的影响。同时探究了不同海情的图像训练集对网络泛化性的影响。