运动舰船的成像与识别技术在诸多领域都有着重要的作用,在海事管理方面,SAR可全天监控管理船只进出港口;在海洋环境保护方面,能及时发现油污导致的海洋污染;在军事方面,能侦察预警敌方舰船。传统SAR运动目标识别中,主要利用SAR图像的幅度信息,通过手动提取特征并结合分类器进行运动目标识别。对于海上运动的舰船目标,除了本身的航行运动分量之外,还存在三维转动分量,尤其在高海情下,运动分量引起目标散焦使其淹没在杂波背景中,使基于幅度图像域的SAR运动目标识别方法检测困难。本文研究基于复数域深度学习理论,在不进行目标的任何运动补偿情况下,利用舰船运动目标与静止目标在复数域的表达不同,设计了CV-EstNet、CV-MotionNet、CV-RefocusNet、CV-RotNet四种复数域网络分别完成SAR运动舰船目标速度估计、SAR运动舰船目标识别、SAR三维转动舰船目标重聚焦、SAR三维转动舰船目标识别。首先,本文首先研究SAR的基本成像处理方法,并进行算法的仿真分析。针对舰船目标的回波模拟,分析运动舰船目标回波模型,研究运动目标回波的多普勒中心变化及多普勒调频率变化,提出了基于射线追踪与三维模型结合的SAR舰船目标成像模型,并进行模拟与仿真,构建SAR舰船目标仿真样本库。基于高分三号SAR图像及对应AIS数据形成SAR舰船目标实测样本库。其次,研究复数域CNN网络架构与基础理论,阐述深度学习、实数域卷积神经网络与复数域卷积神经网络基本原理,基于CNN与CV-CNN分别开展SAR静止舰船目标识别实验,给出两种网络性能对比分析。然后,本文对运动舰船目标偏移与散焦问题进行分析,分别从实数域网络与复数域网络两个角度设计了EstNet与CV-EstNet,以实现SAR运动舰船目标的速度估计,并完成相应仿真数据实验,给出两种网络性能对比分析。同时,在EstNet与CV-EstNet的基础上,设计了Motion Net与CV-Motion Net两种网络,实现SAR运动舰船目标识别,并完成相应仿真与实测数据实验,给出两种网络性能对比分析。最后,本文分析海上舰船目标的三维转动特性,研究三维转动分量对SAR舰船目标多普勒频率的影响,然后分别从实数域网络与复数域网络两个角度设计了Refocus Net与CV-Refocus Net,以实现SAR三维转动舰船目标的重聚焦,并完成相应仿真与实测数据实验,给出两种网络性能对比分析。同时,在Refocus Net与CV-Refocus Net的基础上,设计了RotNet与CV-RotNet两种网络,实现SAR三维转动舰船目标识别,分析对比两种网络的性能表现。