در مورد فرایند تشکیل تصویر رادار روزنه مصنوعی sar))، الگوریتم مقیاس بندی چیرپcsa) ) اساساً به خاطر توانایی فوق العاده در متمرکز سازی هدف، گام های پردازشی بهینه و پیاده سازی آسان توجه زیادی کسب کرده است. در این مبحث الگوریتم جدید مقیاس بندی چیرپ کسری frcsa)) به صورت ریاضی و از نقطه نظر تصویربرداری با رزولوشن بالا آنالیز شده است. هدف این کار بهبود کاربرد تبدیل فوریه کسری به منظور تسهیل در پیاده سازی csa در پردازش sar است. مبنای frcsa بر استفاده از تبدیل فوریه کسری در الگوریتم مقیاس بندی چیرپ (csa) می باشد. عملکرد frcsa با csa کلاسیک که بر اساس تبدیل فوریه سریع (fft) است، مقایسه شده است. نتایج شبیه سازی برای سیستم های airborne sar نشان می دهند که frcsa نسبت سیگنال به نویز snr)) بهبود یافته، قابلیت متمرکز سازی بهتر، لوب اصلی باریک تر با تمرکز توان فوق العاده و نسبت کاهش لوب جانبی بزرگ تر slrr)) را در مقایسه با csaارائه می دهد. در این پایان نامه از تبدیل فوریه کسری به عنوان ابزاری قوی در تحلیل طیف سیگنال های غیر ایستان برای پردازش داپلر و به تبع آن تشکیل تصویر استفاده شده است. هدف از پیاده سازی csa بهبود یافته یا frcsa، بهبود نسبت قله گلبرگ اصلی به لوب جانبی(pslr) ، کاهش پهنای پاسخ ضربه هدف و تضعیف گلبرگ¬های فرعی می باشد. برای تنظیم مرتبه بهینه frft، معیار حداقل آنتروپی پیشنهاد می گردد. جستجوی مرتبه بهینه، با استفاده از الگوریتم بهینه سازی فاخته (coa) و روش بهینه سازی محلی (lop) صورت می گیرد. با مقایسه نتایج حاصل از اجرای frcsa با الگوریتم coa، در مقایسه با csa نتایج بهبود یافته ای حاصل می شود.