随着现代数字信号处理系统的发展，以Nyquist采样定理为基础的信号采集技术给信号处理及硬件实现带来了极大的制约。近年来提出的压缩感知(CompressiveSensing，CS)理论突破了Nyqusit采样定理的限制，能够利用信号稀疏性或可压缩性完成对信号的压缩采样和重构，为现代数字信号处理指明了新的方向。　　在雷达应用领域，感兴趣目标仅占据雷达照射区域内少量空间分辨单元，故目标回波信号是稀疏的，由此基于稀疏信号采样和重构技术的压缩感知雷达(CompressiveSensing Radar，CSR)引起了雷达信号处理领域研究人员的广泛关注。这种全新概念的雷达信号处理技术提出一个利用少量回波数据获取雷达目标信息的框架，在简化雷达硬件设计，提高系统分辨率，缩短数据获取时间，减少数据存储和传输量及弥补雷达接收数据缺失等方面有着巨大的应用潜力。　　本文将压缩感知雷达成像理论与算法作为研究对象，以设计复杂工作环境下的CSR感知系统为核心，针对CSR在测量噪声、系统误差背景下，成像运算复杂度高、系统感知矩阵非相干性差、成像虚假目标较多等问题，围绕着稳健的高分辨成像算法展开相关研究。论文的主要工作包括:　　1.基于贝叶斯压缩感知的噪声MIMO雷达目标成像　　针对CSR在测量噪声、信道干扰及系统误差等背景下，非自适应随机测量结果和感知矩阵失配导致常规CSR目标参数估计性能下降的问题，提出一种基于贝叶斯压缩感知(Bayesian Compressive Sensing，BCS)的噪声MIMO雷达稳健目标参数估计方法。首先，建立了噪声MIMO雷达的稀疏感知模型，并推导了基于目标参数稀疏贝叶斯模型的联合概率密度函数;其次，将BCS方法与LASSO(Least-AbsoluteShrinkage and Selection Operator)算法相结合对联合概率密度函数进行优化求解，以获得高精度的目标参数估计结果。与常规CSR算法相比，该方法能在CSR系统模型存在失配误差时对目标参数进行有效估计，提高了目标参数估计精度，改善了CSR目标成像的稳健性。　　2.调频步进信号压缩感知雷达高分辨距离成像　　针对调频步进压缩感知雷达(FSCS-CSR)运动目标高分辨成像方法进行了研究，给出一种稳健的目标一维距离像合成方法。首先，为降低利用CS合成一维距离像的运算复杂度，引入一种感知矩阵动态构造方法;其次，针对CSR高分辨距离像合成中存在的失配问题，研究一种稳健的距离像合成方法;最后，讨论了FSCS频率编码方式对一维距离像合成精度的影响。较常规CSR重构算法，所提方法一维距离像的合成精度更高，稳健性更优。　　3.压缩感知雷达目标高分辨DOA估计　　针对接收阵列射频通道间增益不一致情况下，多目标波达方向(Direction ofArrival，DOA)估计性能下降的问题，研究了一种单通道CS-DOA估计方法。首先，引入一种单通道阵列，采用0/π移相器对各阵元接收回波进行随机移相处理，实现对回波信号的空域随机采样，构建了一种新的DOA稀疏感知模型;其次，给出了一种基于CS的DOA估计算法。相比于常规DOA估计算法，所提方法仅需一个射频前端通道，即可在较少快拍下对任意相关性的信号进行有效DOA估计，克服了射频通道之间增益不一致，幅相不平衡等因素对DOA估计的影响，具有更高的角度分辨力，更优的估计性能。　　为改善CS-DOA估计中系统感知模型与目标角度信息失配引起的目标参数估计能力下降的问题，在建立系统感知模型与目标角度信息失配背景下DOA估计联合稀疏感知模型的基础上，研究了一种基于奇异值分解(SVD)的稳健高分辨CS-DOA估计方法。该方法通过对目标角度信息矢量和系统感知模型失配误差交替迭代优化，降低了系统感知模型失配引起的DOA估计误差，改善了常规CS重构算法在低信噪比下的性能，有效估计目标参数，具有较低的运算复杂度。　　4.干扰噪声背景下盲稀疏度压缩感知雷达目标成像　　针对CSR在感知矩阵和目标信息矢量失配时距离-多普勒参数估计性能下降的问题，提出一种稳健的盲稀疏度CSR目标参数估计方法。首先，建立了CSR系统模型失配时的距离-多普勒二维参数稀疏感知模型;其次，推导了最小化感知矩阵相干系数（Coherence of Sensing Matrix，CSM）及噪声干扰分量为准则的波形优化目标函数;最后，提出了一种新的盲稀疏度CSR目标参数估计方法，通过发射波形，系统模型失配误差和目标信息矢量的相互迭代，逐步校正了系统感知矩阵，并以较高精度估计目标距离-多普勒参数。与常规CSR目标参数估计方法相比，该方法显著降低了CSR系统距离-多普勒参数的估计误差，改善了CSR目标参数估计的准确性和稳健性。