合成孔径雷达（Synthetic Aperture Radar，SAR）应用性能主要受限于同时获取高分辨与宽测绘幅宽的雷达图像的能力。而对于极化SAR（Polarimetric SAR，PolSAR）系统而言，其测绘幅宽更加受限。近年来，称为混合极化（Hybrid-Polarity，HP）架构的新型极化SAR架构吸引了广泛的注意。相比于传统的线性极化SAR，基于混合极化架构的极化SAR具有两点重要优势：更宽的测绘幅宽与更低的硬件要求。该文首先回顾了包括系统设计、系统模型与定标方法在内的混合极化架构相关原理。接着详细阐述了混合极化架构在定标与发射配置两个方面在工程实现中的难点并提出了一种改进型混合极化架构。与此同时，还介绍了以实验验证为目的而开发的原型实验系统。该文的后半部分回顾了适用于基于混合极化架构的极化SAR的相关应用。由于基于混合极化架构的极化SAR系统产生的全极化数据可以直接转换为传统的线性全极化数据，因此这一部分内容主要集中在对应的双极化应用，即简缩极化（Compact Polarimetry，CP）应用上。

合成孔径雷达（Synthetic Aperture Radar，SAR）是重要的对地观测传感器，在陆地和海洋中都有广泛的应用。极化合成孔径雷达通过不同的收发通道组合，能够获取丰富的目标散射信息，可以提升目标检测、分类识别、定量反演的能力。该文以海冰、舰船、溢油、海浪、内波、风场、海底地形等海上目标和海洋动力环境要素为例，分析了极化SAR在海洋监测中的重要作用，探讨了极化SAR未来的发展方向，给出了进一步开展极化SAR海洋应用的建议。

作为一种新兴的星载极化SAR系统，星载简缩极化（Compact Polarimetric）SAR能同时获取目标较丰富的极化信息和实现大幅宽观测，在海洋观测领域具有先天的优势。该文针对星载简缩极化SAR海上船舶目标检测应用，首先简要介绍了星载简缩极化SAR系统基本模式及发展，其次综述了典型的星载简缩极化SAR信息处理方法，在此基础上，重点分析比较了目前常用的星载简缩极化SAR船舶目标检测方法的特点，然后给出了作者研究小组在星载简缩极化SAR船舶目标检测方面的部分研究结果，最后分析展望了进一步研究方向。

雷达极化信号处理技术作为雷达领域的热门研究方向之一，逐渐受到了国内外学者的重视并在诸多领域得到广泛应用，而极化信息获取则是极化信号处理的基础。该文对相关的几个主要方面的研究现状进行了综述，包括极化信息获取、极化分集与编码、极化抗干扰/杂波、目标的极化检测、分类与识别，最后总结了雷达极化技术面临的问题，并对其发展前景做出展望。

采用成熟的商用电磁计算软件中的快速多层多极子方法计算了全尺寸飞机目标的全空域全极化双基地散射特性数据，统计了全极化双基地RCS起伏特性，指出4种极化双基地RCS的统计特性类似，而单基地共极化和交叉极化RCS存在较大差异；统计了单/双基地极化比的分布特性，发现单/双基地交叉极化与共极化比情况差异较大，而共极化比类似，所得结论为全极化双基地雷达飞机目标探测试验研究提供参考。

无人机目标的雷达检测、分类和识别研究需要无人机的极化散射特性支撑。该文通过对复杂材质无人机的室内测量研究，揭示了无人机与金属化模型的全极化散射特性差异。利用部件分解测量的分析方法，阐述了无人机与主要部件极化散射一致性关系，证明了机身、机翼直接影响整机的退极化效应，其中机身部位是整机交叉极化散射的主要来源。

Salisbury屏具有独特的电磁散射特性，通过巧妙的设计Salisbury屏可以实现雷达目标特征变换的效果。根据Salisbury屏的散射特性，设计了一种新型二面角结构，从理论和仿真角度分析该新型二面角结构的电磁散射特性，分别给出张角为90°与60°的S屏二面角和金属二面角的雷达散射截面曲线，求解出多种入射角下的正交二面角结构的极化散射矩阵，进一步讨论了雷达工作频率、目标姿态等关键参数对Salisbury屏二面角极化特性的影响。理论分析和仿真结果均表明，与普通金属二面角相比，Salisbury屏二面角的散射特性差异明显，在目标特征变换、电子对抗等领域具有潜在的应用价值。

该文提出了一种利用极化信息对机载拖曳式诱饵进行检测和抑制的方法。建立了拖曳式诱饵干扰条件下雷达目标的全极化雷达回波模型，分析了转发式诱饵干扰和雷达目标在单脉冲雷达测角系统中不同极化通道响应函数的差异，利用存在和不存在干扰时测得的目标极化散射矩阵散度的差异，提出了一种转发式拖曳诱饵存在性的检测方法，并设计了相应的干扰抑制算法。仿真实验验证了该方法的可行性和有效性。该文的研究工作为有效检测与抑制拖曳式诱饵提供了一条新的途径，对提高雷达末制导系统在干扰条件下的精确打击能力具有重要参考意义。

高频地波雷达（High Frequency Surface Wave Radar，HFSWR）能够探测视距外的海上目标和超低空飞行器，但其性能通常被电离层杂波严重影响。该文使用一种空域极化域协同滤波算法用于电离层杂波抑制。针对其中电离层杂波空域和极化域参数的估计问题，在距离-多普勒域上利用基于压缩感知（Compressive Sensing，CS）的DOA测角方法进行空域参数估计，并提出一种基于统计特性的极化参数估计方法完成极化参数估计。这两种估计方法可获得更高的参数估计精度，从而提高了电离层杂波空域极化域抑制方法的性能。某HFSWR系统实测数据处理结果表明了参数估计和电离层杂波抑制方法的有效性。

决策树模型在极化SAR数据分类中有着极大的应用价值，既能描述分类结果的极化散射机制，又能获得较好的分类精度。但在对散射机制相似的地物进行分类时，由于经典决策树模型的节点采用的是单个特征，分类精度不理想。因此，该文提出了节点采用2维特征的方法，即在特征集相同的前提下，每次取两个特征组成特征矢量用于节点，提高了经典决策树难以区分的地物的分类精度；并且利用分类结果的混淆矩阵准确定位了导致分类误差的节点，进而对节点进行有针对性的反馈调整，进一步提高了指定地物的分类精度。利用AIRSARFlevoland数据验证了该方法的有效性，并结合极化特征描述了Flevoland地区多种植被的极化散射机制。

该文提出了一种利用多特征融合和集成学习的极化SAR图像监督分类算法。该算法首先提取极化SAR图像的多重特征，包括EPFS特征，Hoekman分解特征，Huynen分解特征，H/alpha/A分解特征以及扩展四分量分解特征。为保证集成学习中基本分类器的差异性与准确性，算法从5组特征集中每次随机选取两组不同的特征进行串联融合，作为SVM分类器的输入。最后，利用随机森林学习算法将所有基本分类器的预测概率集成输出最终分类结果。像素级和区域级的分类实验表明了该文算法的有效性。

常规的基于分布式目标的定标算法通过假设协方差矩阵满足特定形式，并用样本协方差矩阵来估计失真参数。然而，样本协方差矩阵并非稳定的协方差矩阵估计子。尤其是当场景中包含不满足定标算法要求的目标时，样本协方差矩阵会偏离理想形式，以致失真参数估计精确度下降。球形截断协方差矩阵方法能够有效地抑制离群样本对协方差矩阵估计的影响，该文将其引入到极化SAR的定标中，并对其可行性进行了理论分析。最后，利用机载全极化SAR数据，验证了该方法能够有效地降低失真参数估计的不确定度，从而提高失真参数估计的稳健性。