步进频率合成孔径雷达(Synthetic Aperture Radar, SAR)通过合成孔径的原理获得方位向的高分辨,通过发射步进频率信号合成大的信号带宽,实现距离向高分辨。由于系统距离分辨率受限于发射信号带宽,使得系统很难满足超高分辨成像的实际应用需求,特别是基于高分辨成像的弱小目标检测鉴别。本文基于车载步进频率前视虚拟孔径雷达(Vehicle-mounted Stepped-frequency Forward-looking Ground-penetrating Virtual Aperture Radar, SFGPVAR)系统,以探测金属防坦克地雷为实际应用背景,通过超分辨成像算法实现浅埋地雷目标的超分辨成像和检测鉴别。基于目标图像的地雷检测鉴别需要较高的成像分辨率,但对于SFGPVAR系统而言,固定孔径长度和确定发射信号带宽使得系统很难获得较高的二维分辨率,为有效提高SFGPVAR系统的地雷探测性能,本文引入正弦信号幅度相位估计(Amplitude and Phase Estimation of a Sinusoid, APES)与稳健Capon波束形成(Robust Capon Beamforming, RCB)相结合的APES-RCB二维超分辨成像算法,并根据地雷目标的稀疏性信息引入压缩感知(Compressive Sensing, CS)算法,研究两种超分辨成像算法条件下地雷目标的高分辨成像及检测鉴别问题。在APES-RCB算法方面,首先推导了APES及Capon的基本原理并进行性能分析;然后以SFGPVAR系统为背景,给出了基于APES-RCB的二维超分辨成像算法流程,并结合实测地雷数据处理结果进行了算法性能分析;最后结合APES谱估计方法特点,给出了基于回波域的强杂波旁瓣抑制方法,该方法能够对强杂波旁瓣进行有效抑制,但对微弱目标几乎不造成任何影响,克服了传统旁瓣抑制方法抑制弱目标的缺陷。在CS算法方面,首先介绍了CS算法的基本原理与应用条件,在分析地雷目标分布稀疏性和电磁散射稀疏性的基础上,给出了基于CS算法的地雷超分辨成像处理流程,利用仿真和实测数据对其有效性进行了验证;然后利用地雷目标的双点散射特性和方位散射不变性,通过CS成像算法提取地雷目标的空间散射结构,并将其转化为与目标物理结构相关的几何特征,进而实现了地雷目标鉴别与识别。虽然APES-RCB与CS都具有超分辨能力,但两种算法各有不同。本章首先结合SFGPVAR系统特点,给出了两种超分辨成像算法应用于该系统的有利条件;其次,基于SFGPVAR系统实测数据分别利用两种方法对地雷目标切片和全场景进行超分辨成像处理,特别是非完备数据情况下的成像对比,结果表明CS算法的超分辨能力更优;最后,对两种算法中信噪比较低情况下参数的影响进行了分析,并结合实际应用环境提出了一种估计参数的思路和方法。