逆合成孔径雷达能够对远距离目标进行高分辨率成像,是对飞机、舰船等非合作目标进行识别的有效工具。ISAR成像的一个重大问题是进行方位向分辨所必须的多普勒频率的时间不变性假设。当在成像积累时间内飞机做机动飞行或舰船做复杂摇摆运动时ISAR信号中将出现时变多普勒,称之为运动误差。由于这种运动误差以及快速傅立叶变换所要求的时不变多普勒假设,使得在用FFT对图像进行方位向分辨时将产生延展模糊而无法进行目标识别。一种被证实了的运动补偿算法是自适应联合时频分析方法(adaptive joint time-frequency ,AJTF)。然而,传统的AJTF算法本身存在两个重大缺陷:第一个缺陷是,用来进行运动参数搜索的穷举算法运算量非常大,限制了该算法的实际应用;第二个缺陷是,目标必须符合AJTF的数学模型,尤其是,目标的旋转运动必须限制在二维平面内(即目标在成像积累时间内旋转轴不发生改变,否则称为三维运动)。本文利用仿真的三角翼数据,研究了AJTF-GA算法和AJTF-PSO算法,它们分别采用遗传算法(genetic algorithm,GA)和粒子群优化算法(particle swarm optimization ,PSO)代替传统的穷举算法进行ISAR运动参数的搜索,大大加快了收敛速度。并验证了在ISAR应用中,使用PSO算法能够得到更好的效果。在上述AJTF-PSO算法的基础上,我们介绍了一种ISAR目标三维运动度检测技术,能够从雷达数据的众多违背二维数学模型的时间段中自动筛选出好的时间段进行成像。舰船仿真实验表明,那些被标明具有较低三维运动度的成像时间段能够使用现有的运动补偿算法进行有效聚焦。反之则即使进行了运动补偿也得不到好的ISAR图像,可以在送入ISAR处理器之前被剔除。论文第一章介绍了ISAR发展概况和技术现状;第二章介绍了ISAR成像原理,用仿真数据比较了几种主要的距离对准算法;第三章介绍了使用进化技术的基于自适应联合时频分析的运动补偿算法;第四章介绍了ISAR目标三维运动度检测技术和雷达数据的自动预筛选;第五章进行了总结,并指出了以后的研究任务。