频率分集阵列（Frequency Diverse Array,FDA）雷达是由相控阵演变而来的一种特殊形式的阵列雷达,其发射波束方向图具有角度和距离依赖性,且能不依赖于移相器在空间中扫描,这使得频率分集阵列雷达在目标定位检测和成像等方面具有极大的应用前景。本论文主要针对频率分集阵列雷达成像时,存在目标位置模糊、旁瓣较高,以及目前成像自适应能力不足等问题,借助认知理论等,研究有效的算法来完成FDA多目标的高质量二维成像。提出的主要研究内容如下:1.针对FDA雷达对多目标成像时,成像效果不理想以及自适应能力比较弱的问题,提出基于聚类相参叠加的频率分集阵列雷达成像方法。在分析及仿真BP算法成像过程的基础上,发现目标点具有能量集中特性。而K均值聚类算法能充分利用目标点的这些特性,对目标点进行特征认知提取及分类,并只对分类后特定簇的网格点进行时延补偿,获得了高质量的二维像。仿真实验表明该方法可有效剔除目标虚假像,同时消除了旁瓣的影响,获得清晰二维像。但该算法也有些不足,在噪声较强的环境下或不同目标点的散射强度差异比较大时,对多目标进行二维成像存在模糊。2.针对第一种方法存在的问题,提出了基于CLEAN的FDA图像重建算法。对双边带频率分集阵列雷达模型进行分析,发现其上下边带的频率增量分别为（35）f和-（35）f时,形成的波束方向图斜率互为相反数。所以充分利用这种特性,只需发射一次脉冲信号,采用BP算法就能对多目标进行原始成像。然后把CLEAN算法引入到原始像处理中,通过对图像进行搜索迭代,从图像中根据强度的大小顺序提出目标的位置、散射系数并求出对应的PSF函数,最后实现了图像重建,获得了高质量的FDA二维像。仿真结果表明该算法在低信噪比以及目标点散射强度差异比较大的情况下,也能重建出高质量的目标二维像。3.针对以上方法FDA阵元个数与目标数的限制问题,提出了基于目标数认知的FDA阵元自适应调整成像算法。通过对目标进行特征认知,发射机根据认知结果以及先验知识自适应调整发射阵元数目,实现发射阵元数随着目标数的变化而变化。仿真实验表明该算法在获得重建高质量图像的前提下,实现阵元数随着目标数的变化而变化,提高了雷达阵元的利用率。