在雷达领域中，低频技术可以抵抗目标(如战斗机，导弹等)的隐身技术。不同于高频成像技术，低频方法虽然不能提供很高的分辨率，但却能提供目标整体的尺寸和大致的轮廓形状信息。在雷达目标识别技术中，目标轮廓的3D图像可以为识别目标提供最直接最有用的信息。而Ramp响应技术结合了低频技术与3D图像重构，很好的适应了目前雷达识别的问题。　　 目前，关于Ramp响应技术的研究主要集中在建立Ramp响应与目标形状数据之间的关系，图像重构算法和不同领域的应用三个方面。其中，图像重构是雷达目标识别中最重要也是最困难的关键技术，识别结果的准确性与识别过程的复杂度很大程度上取决于重构算法。因此，本文在研究Ramp响应技术的基础上，重点研究了图像重构算法，重构图像的识别等问题，其具体开展的工作如下：　　 1.在深入学习逆反射问题的分类情况与经典方法、探讨研究Ramp响应技术的原理、发展现状和关键因素的基础上，确定了基于Ramp技术的雷达目标图像重构的研究方案。　　 2.研究两种经典的应用于Ramp技术的图像重构算法。对ALS算法和Chauveau算法作了细致的分析和研究。在应用Ramp技术重构目标3D图像的过程中，给出了频域传输函数、目标轮廓函数以及两种算法相应的逼近曲面和区域选择等相关模块的具体实现方法。并在不同的条件下，仿真比较了两种算法的性能与限制。　　 3.针对图像重构算法的限制与局限，提出了一种计算重构图像轮廓函数的算法。经过仿真测试，证明了该算法可以用于重构图像的误差检测和质量评估，有效地解决了目前重构图像只能通过视觉判断其质量、没有统一的质量标准的问题。另外，该算法可以适用于任何目标形状和任意观测方向，为重构算法的改进与重构图像的优化提供了有利的工具。　　 4.借鉴反问题的数学模型，设计了进一步识别重构图像的解决方案。重构图像的轮廓函数、预测的目标形状模型的轮廓函数以及这两者之间的误差构成了经典反问题的三个基本元素。此外，提出了“模式匹配方法”，并详细说明了整个匹配系统各功能模块的实现方法。该方法在掌握目标一定先验知识的情况下，能准确地识别重构图像(甚至扭曲的图像)。不同于传统的方式是通过视觉图像的观察发现，它为雷达或者其他领域的识别和决策提供了更有效、更准确的方法。　　 本文重点研究了图像重建算法，重构图像质量评估和重构图像识别三个关键问题。首先，两种经典的图像重构算法之间的性能比较，为Ramp响应技术应用与该领域的其他研究提供了有用的信息；另外，计算重构图像轮廓函数的算法能根据图像与目标之间的误差来评估重构图像的质量，为重构算法提供了一个性能指标。最后，“模型匹配法”有效地克服了目前重构图像的局限性，有助于实现目标识别的最终目标，提高了决策的准确性。