合成孔径雷达(Synthetic Aperture Radar,SAR)利用其可实时工作的优势而被应用于各个领域。其中,基于SAR数据特征提取的目标识别成为SAR应用中的一个重要分支。军用方面,对天空、地面、海面散射的电磁波进行成像并提取目标区域的相关特征,利用某种识别准则与特征库中的特征进行比较,可判别飞机、车辆、船只等目标的型号;民用方面,通过卫星对大气的实时监测,预测天气的变化情况,也可利用地面的散射数据判断农作物受灾或地震灾害情况。这些应用都离不开目标的特征提取,因此如何准确而全面地提取目标的有效特征成为研究的热门话题。本文以SAR图像回波反演和典型目标特征提取为主要研究内容,以目标识别为应用方向,首先阐述了SAR基本原理,包括合成孔径原理、数学回波模型和SAR成像基本算法,介绍了稀疏表示的基础理论,包括信号的稀疏表示、字典构建和稀疏重构等。随后,针对目前从SAR图像提取的回波级特征不够完善的问题,结合距离多普勒成像原理对回波反演算法进行理论分析和公式推导。针对回波反演过程中斜距、斜视角和方位调频率可能存在的多种模式,建立了回波反演模式选择模型,给回波反演过程提供多种选择的求解,尽可能保证数据的准确度。接着分别利用仿真的点目标、体目标和实测的雷达数据对算法和模式选择模型进行理论和实验验证。其次,对SAR图像级特征进行理论分析和实验提取,包括峰值特征、方位角参数等。针对现有方位角参数提取存在的鲁棒性问题,提出了引入目标补偿的提取方法,补偿目标阴影部分缺失的轮廓信息。最后,稀疏表示的识别方法用于识别目标,稀疏重构用于区分目标所属的类别。实验结果表明,在回波反演部分,仿真的点目标、体目标与反演后的特征极为接近,且对实测的RADARSAT-1图像数据进行回波反演和反演回波再成像操作,实验结果均与真实结果非常接近,验证了回波反演操作和模式选择模型的实用性,同时通过回波进行HRRP特征的提取,完善了现有的目标特征库。在图像级特征提取部分,目标补偿后方位角参数提取结果明显比未补偿强的鲁棒性高。因此本文的研究内容很具有应用价值。