雷达成像是一项军民两用的获取目标信息的重要技术,在经济和国防建设的诸多方面发挥着无可替代的作用。本文在分析雷达成像发展历程的基础上,指出图像维度的增加和质量的提升是成像发展的两个重要趋势,并据此围绕阵列三维成像和雷达增强成像两个主题展开研究工作,旨在以更高效率产出信息更丰富、质量更高的雷达图像。论文第一、第二章论述了研究意义、研究历史和现状,归纳了全文依赖的基础知识和研究中发现的共性问题;第三至第六章分别针对两个研究主题中的若干具体问题展开了研究;第七章总结了全文并展望了未来研究方向。围绕阵列三维成像,分别从三维重建和三维成像两个方面进行了研究。在三维重建方面,此处所说三维重建（也称为三维建模）是指获取目标点云及曲面模型的过程,这本是计算机视觉领域的经典问题,而本文提出了基于毫米波阵列全息的解决方案,赋予了雷达图像更丰富的内涵。针对“SISO-平面扫”和“SISO-柱面扫”体制提出了以频率干涉方法为核心的一系列目标重建方法,具体包括信噪比提升、相位解缠、序贯估计、子孔径划分、柱面波至平面波转换等技术。数值仿真和实验测量结果均表明,所提方法可实现对多种不同形状目标的高精度三维重建,且具有精度高、速度快、可获得绝对深度信息、对衣物等具有一定穿透性等特点。在三维成像方面,针对当前扫描MIMO线阵体制缺乏快速成像算法的“痛点”,基于球面波的平面波展开、非均匀正/逆傅里叶变换、圆周卷积等技术,开发了适用于“MIMO-平面扫”和“MIMO-柱面扫”体制的多种精确快速的成像算法,将经典的针对“球面波-SISO”模型的频域成像算法推广至“球面波-MIMO”模型。理论分析表明,相比于扫描MIMO线阵体制现有的主流后向投影类成像算法,所提算法将计算复杂度由O（7）N ⁶（8）降至O（7）N⁴log₂ N（8）。大量实验结果也验证了所提方法在成像效率方面的显著优势。围绕雷达增强成像,分别研究了基于稀疏恢复和基于深度网络的增强成像方法。在基于稀疏恢复的增强成像方面,针对线性成像方法固有的分辨率受限、旁瓣电平高等局限,利用多种现有稀疏恢复方法对不同的阵列成像体制进行增强成像。分别介绍了几种具体的“网格上”型、“网格外”型和“无网格”型稀疏恢复算法。将“网格上”型稀疏恢复方法用于一种新型的站开式阵列成像系统,相比线性的未增强的成像结果,在分辨率和旁瓣性能方面获得了显著提升。将“网格外”型和“无网格”型稀疏恢复算法用于本文提出的三维重建问题,克服了传统干涉方法仅对单分量信号有效的局限性,实现了对多层目标的高精度三维重建。在基于深度网络的增强成像方面,针对当前典型稀疏恢复方法高耗时和不稳健的问题,首次提出了利用深度网络作为通用回归问题求解器来实现雷达增强成像的方法,为突破当前雷达增强成像的技术瓶颈提供了全新思路。首先对基于深度网络的雷达增强成像的基本思路、雷达回波的复数据问题、成像的训练数据获取问题等给出了基本的解决方案,然后将所提方法用于一种典型的雷达增强成像应用场景。结果表明,所提方法在分辨率、旁瓣电平等方面较传统线性成像具有明显优势,且在计算效率方面较当前主流稀疏恢复方法具有2到3个数量级的优势,使得实时增强成像成为可能。总之,从理论意义而言,本文围绕阵列三维成像和雷达增强成像提出了若干新思路、新模型、新方法;从实践意义而言,本文研究内容可直接用于无损检测、安检成像、ISAR成像以及三维SAR成像等场景。