雷达高分辨成像技术是空间目标检测识别研究中的一个基础型内容,基于压缩感知理论的多雷达数据融合技术成为提高成像分辨率的有效手段。通过信号重构算法估计目标散射中心参数,进而重构出缺失观测频点及视角的数据以实现雷达高分辨成像。极化信息作为目标时、频、空域之外又一可利用的重要信息,近年来在目标散射特性方面的研究取得了深入的进展。本文基于联合测量体制的压缩感知重构算法在雷达成像中的应用展开研究,将极化联合稀疏性理论和数据融合技术相结合,在同等信噪比情况下,相较于传统单极化下的数据融合技术,能够获得重构精度更高的回波数据。之后将本方法应用在后续目标识别的数据预处理过程中并结合多分类器联合识别网络在噪声环境下提高了目标的识别准确率。本文主要通过以下几个部分来介绍双极化雷达联合高分辨成像技术及其在目标识别中的应用:第一部分首先介绍了雷达高分辨成像以及目标识别的应用背景,其次介绍了多雷达数据融合技术的理论基础包括信号稀疏表示理论、目标散射中心理论以及压缩感知的基本理论。第二部分研究了基于双极化联合的雷达数据融合高分辨成像技术。首先从基于贝叶斯的单极化参数估计算法出发结合极化联合稀疏性理论给出基于贝叶斯的双极化联合参数估计算法的流程。其次在给出雷达回波信号一维、二维的稀疏表示模型基础之上,介绍了基于压缩感知原理的多雷达数据融合高分辨成像技术的原理。最后通过实验仿真验证了该方法在同等信噪比下具有良好的抗噪性能。第三部分研究了双极化联合重构成像技术在目标识别中的应用。首先采用基于贝叶斯的双极化联合参数估计方法对待识别的目标回波信号进行重构预处理以改善噪声信号对目标回波的影响。其次研究了基于主成分分析的特征融合选择技术,使得用于目标识别的特征更加精简有效。最后研究了基于多分类器的联合识别网络架构以改善单一分类器泛化能力不足的问题,通过构造联合分类准确率损失函数,为每个分类器分配最佳的判决权重并最终通过联合判决提高目标的识别准确率。