逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)具有全天时、全天候的特点，并且能够在远距离的情况下得到目标的ISAR图像，对雷达获取目标形状信息具有重大意义，因此在军事和民用中具有重大的应用价值。随着对ISAR的实时成像、超分辨、方位定标的不断需求，ISAR成像技术的研究不断深入。为了提高雷达的成像能力，更有利于后续基于ISAR图像的目标识别工作的展开，本文对有限脉冲、快速、自适应的ISAR成像算法做了一些研究。本文的主要内容概括如下：（1）基于稀疏贝叶斯学习的超分辨ISAR成像技术本文第三章首先介绍了刚体和微动目标ISAR成像模型，然后通过理论和公式的推导，提出了基于稀疏贝叶斯学习的超分辨ISAR成像算法。针对快速成像和自适应ISAR成像开展了以下研究工作：提出了一种基于稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)ISAR超分辨成像算法。近年来,压缩感知已经成功应用到ISAR成像中。由于压缩感知方法将稀疏约束L0松弛到L1范数，导致最终解的稀疏度下降。另外，正则化参数需要手动调节，限制了其在实际ISAR成像的应用。由于SBL算法采用独立高斯分布，更能表征最终解的稀疏度。此外，利用该算法还可以通过置信最大化程序的得到相应的参数，不用人为干预，提高了算法的实际应用价值。飞机和舰船实测数据处理实验验证了基于稀疏贝叶斯学习ISAR超分辨成像算法的有效性。提出了一种基于多稀疏贝叶斯学习的微动目标ISAR成像算法。首先对微动目标的回波信号模型进行分析，得到目标图像具有不规则图形(微动成份)和直线的规则图形(主体成分)。由于主体部分具有散射点位置不变和幅度有起伏的特性，通过多稀疏贝叶斯学习(Mutiple Sparse Bayesian learning, MSBL)得到目标主体成分图像。进而通过减去主体的ISAR图像得到微动成分的图像。最终得到清晰的主体ISAR图像和微动参数。仿真和实测数据处理验证了该算法的有效性。（2）基于置信框架的自适应ISAR超分辨成像算法本文第四章提出了一种基于置信框架(Evidence Framework)的自适应ISAR超分辨成像算法。在压缩感知ISAR成像模型基础上，通过对稀疏约束L1范数的近似，利用置信框架推导得到相应参数的近似闭式解。本算法在稀疏编码和参数求解交替迭代，直到算法收敛到指定的步数，提高了ISAR成像算法的自适应性。仿真和实测数据处理验证了该算法的有效性。（3）基于自适应字典的压缩感知的ISAR超分辨成像及定标一体化技术本文第五章主要针对ISAR图像的方位定标进行了研究。首先建立了调频率-压缩感知的超分辨ISAR成像模型，通过构造自适应字典得到目标代价函数。由于此信号模型多了一个调频率的干扰矩阵，原压缩感知重构方法不再适用。通过理论推导和实验验证，得出在一定条件下可以通过交替迭代算法高概率的恢复出稀疏的目标信号。迭代算法分为两步：1)固定调频率的值，通过稀疏重构算法得到目标的超分辨ISAR图像；2)固定超分辨ISAR图像，通过梯度算法得到调频率的值。最后，利用得到的调频率的值，对目标的旋转速度进行最小二乘估计，利用得到的目标的转速值对超分辨ISAR图像进行方位定标，最终得到目标的距离-方位距离超分辨ISAR图像。实测数据验证了该算法的有效性。（4）一种匀加速空间目标一维距离像补偿算法本文第六章从宽带线性调频雷达信号目标回波的模型出发，分析了处于匀加速状态的空间目标回波的特性，得到回波为立方相位信号，通过推导得到速度和加速度估计的克拉美-罗界，提出基于立方相位函数参数估计的运动补偿方法。该方法可以在较低信噪比下实现速度和加速度的估计以及高分辨一维距离像的运动补偿，更有利于后续的成像和目标识别，仿真实验表明，该算法可以有效的实现匀加速目标的高分辨一维距离像的运动补偿。