合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种重要的微波成像系统,具有全天时、全天候、高分辨等特点,受到了广泛关注和重视。特别是在近20年来,SAR系统也得到广泛应用。SAR可以在卫星、飞机等载机上主动对地面目标进行探测,并具有一定的穿透能力,在资源勘探、环境检测、军事侦查等方面都具有重要的应用。相对于传统的SAR系统,极化合成孔径雷达(极化SAR)回波信号中包含着目标的极化特征信息,可以用于提取所照射目标的散射类型信息,在地物分类、目标识别中应用价值更大。我们知道,基于SAR图像的地物分类和目标识别需要有相对完备的训练数据来支撑算法研究,如果采用实测的方式来获取目标的极化SAR图像,需要耗费大量的人力、物力、财力,极化SAR目标图像仿真是解决这一问题的一条简单、有效的技术途径。基于此,本文重点研究极化SAR目标图像的仿真方法,编写了仿真软件,旨在为基于极化SAR的目标识别技术提供研究条件。在此基础上,本文基于仿真的目标数据开展了一些特征提取及目标识别研究工作。主要研究内容包括:第一部分主要介绍了极化SAR理论基础,分别从极化波的概念、分类和表述方式等方面进行描述,并介绍了目标的极化特性表达方式,进一步对SAR成像理论进行了描述,为极化SAR目标图像仿真与识别的研究奠定理论基础。第二部分主要研究了极化雷达的高分辨快速成像仿真。通过回波对目标进行成像仿真时,需要根据目标模型的反射特性和波束形成算法来生成回波,再运用成像算法对回波进行处理,从而得到最终的图像。本文提出了一种基于光线追踪的极化SAR高分辨成像算法,依据所设置的雷达参数,可以根据目标场景的3D模型直接生成二维极化SAR图像。原始的光线追踪算法在应用过程中存在着大量不必要的运算,因此,本文运用了一种自适应的层次包围盒结构划分方法,将原始的3D模型按树形结构进行划分,可快速确定电磁波所照射到目标点所在位置,大大提高了极化SAR目标图像仿真的速度和效率。同时,为后续的SAR目标识别技术的研究提供了数据基础。第三部分主要研究了SAR图像的目标识别技术。分别选用主成分分析法(PCA)、深度置信网络(DBN)和卷积神经网络(CNN)来进行特征提取;在识别部分,本文用支持向量机(SVM)作为分类器来进行分类识别;为提高识别率,本文对不同视角下SAR图像的识别结果进行决策融合。首先介绍了三种特征提取方法和支持向量机的原理,并运用了决策融合的思想,然后,根据获得的极化SAR目标图像仿真数据集和MSTAR实测数据集,对上述目标特征提取与识别方法进行了验证。并证明了本文所提出的极化SAR目标图像仿真方法所成SAR图像可以用于目标识别技术的研究。