Un géoradar est un système d’imagerie non destructif capable de détecter des cibles dans un milieu diélectrique hétérogène. La réponse 2D de la cible mesurée par le géoradar pendant l’acquisition du B-scan a la forme d’une hyperbole en raison des différents trajets d’onde qui sont fonction du déplacement. Par conséquent, des techniques de focalisation sont nécessaires pour localiser la position réelle de la cible. La résolution des méthodes de focalisation géoradar conventionnelles est limitée par la largeur de bande du signal ainsi que par l’ouverture synthétique du réseau. Par conséquent, lorsque les cibles sont séparées par une distance inferieure a la résolution de Fourier, celles-ci ont tendance à être interprétées comme une seule cible en raison de la faible résolution spatiale des méthodes de focalisation géoradar conventionnelles. Dans ce travail, des techniques d’analyse spectrale adaptées à l’origine a des applicatifs champ lointain a bande étroite sont proposées pour surmonter la limitation de résolution des méthodes d’imagerie géoradar conventionnelles. L’utilisation de techniques d’analyse spectrale avec des données bande en champ proche nécessite des ajustements significatifs qui seront couverts dans cette étude. Les résultats obtenus montrent que les méthodes d’analyse spectrale ont permis d’augmenter de manière significative la résolution dans les directions de l’élévation et de l’azimut. Ceci a été démontré par leur capacité à séparer des cibles dont la distance de séparation des cibles était inférieure a la résolution de Fourier. En outre, nous avons montré que grâce à la capacité de résolution de focalisation élevée des méthodes spectrales, il était possible d’estimer les cibles avec précision malgré une taille réduite du réseau d’antennes ainsi que de la bande passante (jusqu’à une demi-bande) respectivement. De plus, les performances de précision d’estimation entre les méthodes classiques de focalisation géoradar (qui dépendent de la résolution de Fourier) et les techniques d’analyse spectrale (qui dépendent de l’estimation de précision des données de la matrice de covariance) ont été comparées et analysées. Enfin, les algorithmes proposes ont été testes dans un scenario réel en les appliquant aux données expérimentales de mesure géoradar.