轻小型无人机雷达系统具有低成本、高机动性、高分辨率等优势,其独特的目标高度维探测能力可以为林地监测、规划和管理提供高效的数据获取手段。然而,轻小型无人机雷达的研究刚刚起步,在探测植被高度方面的效果仍有待进一步探索。与传统雷达成像不同,无人机雷达成像属于近场条件,且受到微型雷达尺寸、功率等方面的限制,对杂波和干扰更加敏感。针对上述问题,本文基于一种自行研制的轻小型无人机雷达系统,在数据预处理、时域成像和超分辨成像三个方面进行了深入研究,并选取两种不同的树种开展机-地观测实验,验证了所发展的数据处理方法的有效性。主要研究内容与结果如下:（1）研究无人机雷达数据预处理中直耦波去除和噪声抑制方法,提出了基于剩余图像熵的自适应主元分析降噪法。无人机雷达系统成像场景复杂,回波数据容易受到噪声和干扰的影响,本文从直耦波去除和噪声抑制两个方面对无人机雷达数据预处理方法展开研究。首先,介绍了平均抵消法和主元分析法两种直耦波去除算法的原理,并分析了两种算法在轻小型无人机雷达系统成像场景下的适用性。然后,分析了三种主流的信号去噪方法,提出基于剩余图像熵的自适应主元分析降噪法,解决了传统方法中主元选择不稳定的问题,有效提高了去噪效果。（2）研究时域后向反投影（BP）成像算法,提出了一种联合窗函数和互相关信息的BP（WCBP）算法。针对经典BP算法主要存在成像速度慢和受杂波影响严重的问题,利用基于子孔径和子区域划分的快速BP算法,在成像质量几乎保持不变的前提下提高了算法运行效率;并借鉴医学成像中“时延-相乘-求和（DMAS）”算法思想,利用互相关信息减小杂波影响,同时在时延信号计算时采取加窗策略压制旁瓣,最终提出了一种WCBP成像算法,有效抑制了杂波和旁瓣的干扰。（3）研究轻小型无人机雷达分辨率增强方法,将鲁棒Capon波束形成（RCB）和正弦幅度相位估计（APES）应用于无人机雷达超分辨率成像。BP算法等传统时域成像算法的分辨率会受到硬件条件的限制,而超分辨率成像算法能够突破理论分辨极限,且具有更强的抗干扰能力。本文研究了现代谱估计中的RCB和APES方法,并将其应用在无人机雷达数据成像中,得到了分辨率高、干扰能量低的成像结果。针对两种算法所包含的大量高维矩阵运算导致的算法效率问题,通过预波束形成在子图像域构造低维波束矢量,进而大幅降低协方差矩阵维度。采用降维RCB算法和降维APES算法对数据进行成像,达到了成像质量和效率间的平衡,拓展了超分辨率成像算法的实用性。（4）基于自研新型轻小无人机雷达系统,提出了一种植被高度信息获取方法。针对两种不同的树种,开展了轻小型无人机雷达飞行实验,获取了无人机雷达数据和地面同步观测数据。利用实验数据,对本文所提出的植被高度信息获取方法进行实验和验证。结果表明,该轻小型无人机雷达系统及本文所提出的数据处理方法仅需单次航过即可提取高精度的植被高度信息,且模型简单、空间分辨率高,成本较低,具有广阔的应用前景。