雷达（Radio detection and ranging,Radar）作为微波遥感中一项成熟且发展潜力巨大的重要技术手段,自第二次世界大战发明以来,经历了从一维距离像到二维SAR成像的快速发展。然而,面对当前信号化战争中目标检测、识别及分类等更抽象层面的需求时,三维立面目标一/二维投影像中信息丢失的缺陷被无限放大,已难以满足更深层次的需求。因此,近年来,科研工作者们开始逐渐把目光投向雷达三维成像领域。在这一背景下,本文围绕雷达三维成像新体制和高分辨三维成像方法两个主题展开深入研究,并结合压缩感知、矩阵补全（Matrix Completion,MC）等稀疏理论,针对性地解决了部分传统成像体制与方法中存在的难点问题。具体内容概括如下:（1）传统SAR体制中,由于前视成像场景中方位多普勒退化严重且只具有二维分辨能力,使得SAR体制难以实现对前视场景的高分辨三维成像。针对这一难点问题,构建了一种基于微角度曲线下降轨的前斜视三维成像新体制,并详细分析所提三维成像新体制下目标三维成像原理,指出传统成像方法存在的不足之处。然后,针对性的提出了一种基于OMP的降维三维成像方法。与传统方法相比,一方面,在短相干积累时间/小切航向孔径下,所提方法利用OMP方法可实现切航向的超分辨图像重构,解决了传统方法难以高分辨成像的难题;另一方面,在长相干积累时间/大切航向孔径下,所提方法将传统方法中的三维搜索降维至二维,有效的降低了运算复杂度。最后,基于仿真数据的试验分析验证了所提方法的有效性。（2）在单基舰载ISAR三维成像体制中,通常采用的传统参数估计方法始终面临着两个问题,即时间变量与时延变量间的耦合以及高阶非线性自相关/核函数模型（大量的交叉项）。为解决这些难题,设计了一种具有低阶非线性且无二维时延耦合的自相关/核函数模型—GAPCK,并提出了完整的参数估计处理流程。与传统参数估计方法相比,GAPCK核函数不仅可基于自适应参数选取的方式来消除传统核函数中存在的耦合项,而且具有低阶非线性,缓解了交叉项对估计性能的影响。此外,针对多分量信号场景中存在的虚假峰（交叉项导致）问题,提出了基于MFT与REA的联合处理方式,其不仅有效地消除虚假峰,而且还可以降低整体的背景噪声。基于蒙特卡洛的统计特性分析表明,所提方法是一种快速且鲁棒的高精度参数估计方法,不仅运算复杂度较低,而且具有良好的抗噪性能。最后,利用基于模拟舰船运动的成像实验对所提方法进行验证,结果表明所提方法具有良好的场景三维重构性能。（3）在最初的机载下视线阵SAR体制中,线阵为避免出现栅板而采用半波长约束进行阵元排布,这将极大的加剧数据存储负荷以及后续处理耗时。因此,在后续的研究中,科研人员将稀布阵引入该体制,提出机载下视稀疏线阵SAR体制,但稀疏非均匀布阵将破坏通道间的相干性,导致传统三维成像方法（匹配滤波方法）失效。为解决这一难题,提出了一种新颖的基于LRMC的机载下视稀疏线阵SAR三维成像方法。相比于当前研究较多的基于稀疏重构理论的成像方法而言,所提方法开辟了另一种成像思路,即不再依赖稀疏非均匀数据进行直接成像,而是基于通道间的相干性对这些缺失的数据进行恢复后再成像,从而避免了稀疏重构理论中的基失配问题。在所提方法中,其主要包含两个创新点:1)首先提出一种通用的矩阵重构框架来构造了信号向量的矩阵化模型,并证明了其低秩特性,这为LRMC算法在机载稀疏线阵SAR体制下的应用提供了可能;2)提出了一种先进的LRMC算法（NU-LRMF/TS-NU-LRMF）,实现了更好的恢复精度。最后,利用基于仿真数据和实测数据的成像试验对所提方法进行验证,结果表明所提方法具有良好的场景三维重构性能。（4）在基于稀疏重构理论的增强成像领域中,传统on-grid型稀疏重构方法尽管在分辨率、旁瓣性能方面实现了显著的提升,但针对实际的连续域场景时,预设网格一般难以真实匹配场景中的目标分布情况,这将产生基失配/离网效应等问题。为解决这一难题,提出了一种全新的超参数无网格（off-grid）稀疏重构方法。该方法利用原子范数来规避传统稀疏重构方法中网格设计,然后与最有协方差拟合准则相结合,详细推导了其无网格稀疏重构框架。相比其他off-grid稀疏重构方法,所提方法采用两维自适应迭代重加权处理来提升其统计性能,增强了场景的稀疏性和分辨率。除此之外,为提升所提方法对大规模矩阵数据的收敛速率,提出了一种基于ADMM的快速执行算法。最后,基于实测数据和仿真数据的成像试验验证了所提方法的有效性。