针对目标识别任务规划及模板制备的实际需求，为实现目标及其所在场景可识别性程度的定量评价，提出了一种基于证据理论的场景可识别性分析算法。在获取目标及其所在场景的保障数据，并设定成像参数后，首先选取一定数量的显著地物作为场景的节点；然后，从尺度显著性、形状唯一性和可视性三个方面评估各个地物在不同观察角下的可识别性程度，并以此作为场景中各节点的基本信度分配；最后，通过地物轮廓点数定义表征各节点间相互支撑度的条件信度函数，利用证据理论进行推理、融合各个节点信息，得到整个场景的可识别性分析结果。实验结果证明，使用文中算法得到的分析结果合理、有效，能够满足任务规划的需求，具有较大的工程实用价值。

结合毫米波体制和双站毫米波合成孔径雷达(SAR)前视成像技术, 开展毫米波双站SAR前视成像算法的研究.在双站SAR前视成像系统中, 较大的前视角引入了多普勒质心偏移和严重的距离徙动, 因此普通双站SAR的成像算法无法直接移植到双站SAR前视成像中.针对以上问题, 论文首先提出了一种基于瞬时多普勒分析的改进Loffeld's Bistatic Formula (MLBF)二维频谱求解方法, 相比于现有方法, 该方法能更准确的得到双站SAR前视回波信号的二维频谱.在此基础上又推导出了适用于毫米波双站SAR前视成像的Omega-k算法; 最后通过仿真实验, 验证了提出算法的有效性和优越性.