自聚焦算法是SAR（SyntheticAperture Radar，合成孔径雷达）成像处理中的一个重要步骤，它研究的是估计经运动补偿后的残留相位误差并进行补偿以提高SAR图像的质量，是对运动测量单元的补充。因此，本文对自聚焦算法及其FPGA实现进行了一系列的探究。第一章介绍了本文研究的背景及意义，对自聚焦算法的发展及其基于FPGA（FieldProgrammable Gate Array，可编程逻辑门阵列）的硬件实现进行了回顾与总结，比较了常用的各种自聚焦算法的优缺点。第二章详细分析了几种估计一维方位相位误差的自聚焦算法。在这一章里，首先给出了PGA算法的处理流程，分析了估计的性能；针对PGA算法收敛速度慢的缺陷，介绍了QPGA（QualityPGA）算法的原理。然后以PGA算法为基础，讨论了处理长CPI（Coherent Processing Interval，相干处理间隔）图像的几种算法：PCA（Phase CurvatureAutofocus，相位曲率自聚焦），PGA-LS，PGA-MD，给出了算法的推导过程，算法性能分析及实测数据的处理。处理结果表明，全孔径PGA与PCA算法处理长CPI散焦问题时是失败的，PGA-LS和PGA-MD能够有效的改善原始SAR图像散焦效果。进一步，我们对PGA-LS与PGA-MD算法进行了比较，分析结果表明PGA-MD算法性能优于PGA-LS。最后介绍了基于PAST（Projection Approximation SubspaceTracking，投影近似子孔径跟踪技术）的自聚焦算法。该算法克服了基于特征分解方法的自聚焦算法计算量大的问题，且估计的精度高鲁棒性好。在第三章中我们介绍了一种基于先验知识的两维自聚焦算法。这一方法克服了第二章中几种算法对相位误差直接进行估计而忽略究竟采用何种算法得到SAR图像的缺陷，充分利用了先验的信息，获得了在PFA（Polar Format Algorithm，极坐标格式算法）框架下两维相位误差与一维方位向相位误差的解析关系。因此，只需估计出方位向的相位误差即可完成两维相位误差的估计。我们给出了这种解析关系的详细推导，并作了仿真验证及实测数据的处理，处理的结果表明了本算法的有效性。第四章讨论了利用Xilinx公司KC705开发板（Kintex7系列FPGA）实现PGA与PAST两种自聚焦算法。由于FPGA需要频繁的从DDR3读取数据，为更方便的访问DDR3中的二维SAR数组，设计了一种访问DDR3的四种工作（转置读写）模式的状态机，简化了接口的使用。分别设计了两种算法的状态机及PGA算法的一次迭代处理流程图，两种算法在200MHz的系统时钟下以0.5s左右的时间处理了一幅2048*2048大小的SAR图像，并对FPGA处理结果进行了详细的分析，分析结果表明FPGA实现自聚焦算法的可行性和有效性。这为今后将自聚焦算法与基本成像算法结合起来形成一个完整的SAR实时处理系统奠定了基础。第五章对本文的两大部分内容，即SAR自聚焦算法研究与FPGA的硬件实现作了一个总结。本章还讨论了今后的工作安排与展望，指出了未来的任务有两个：一方面将继续探讨其他的自聚焦算法，尤其是在除PFA外的其他成像算法下的两维自聚焦算法，为SAR成像处理提供更好的理论依据；二是将利用FPGA芯片间的相互通信实现数据量更大的聚焦处理并将自聚焦算法与基本成像算法结合起来以实现一个完整的SAR成像处理系统。