阵列SAR三维成像系统是在传统的SAR二维成像系统上发展起来的，作为一种新的雷达成像系统，阵列SAR三维成像系统采用正下视模式，克服了传统SAR二维成像系统遇到的阴影效应以及空间模糊的问题，对高山峡谷、城市街区等地形剧烈起伏的区域进行成像时获得的图像效果良好。然而，传统的SAR成像算法的理论分辨率受到了瑞利限的限制，图像的旁瓣较高、主瓣较宽，雷达图像的分辨率再难得到进一步的提升。目前出现了超分辨的成像方法，能够获得超过传统成像方法理论分辨率的分辨率，其中有两条主要的技术途径：基于谱估计的方法和基于压缩感知的方法。基于压缩感知的方法要求场景满足稀疏条件，在三维成像领域中目标往往是稀疏的，恰恰满足了这一条件。本文主要研究了基于压缩感知理论的阵列SAR三维成像方法，有效的抑制雷达图像的旁瓣，减少了主瓣的宽度，得到了分辨率很高的图像，主要工作内容和创新有：1.简述了线性阵列SAR三维成像系统的三种工作模式以及其距离历史方程，介绍了两种传统的阵列SAR三维成像方法并指出其缺点，阐述了压缩感知基本理论，分析了三维目标的稀疏性，指出了在阵列SAR三维成像系统中应用压缩感知理论是可行的，推导了线性阵列SAR三维成像系统的线性观测模型。2.将稀疏驱动自聚焦(SDA)方法应用于线性阵列SAR三维成像系统中，研究了基于SDA的线性阵列SAR三维成像方法。SDA算法将图像重构问题转化为约束最优化问题，通过迭代方式不断的进行图像估计并修正感知矩阵。通过仿真实验验证了基于SDA的线性阵列SAR三维成像方法的可行性，证实了SDA算法获得的图像的旁瓣低，主瓣窄。3.在SDA算法的基础上，提出了加权稀疏驱动自聚焦(WSDA)算法。WSDA采用加权L1范数约束最优化代价函数，详细推导了求解WSDA最优化问题的过程，通过仿真实验证实了WSDA算法的可行性、自聚焦能力以及超分辨能力，证明了WSDA算法相对于SDA算法的优势，能更好的将能量聚集起来，降低旁瓣，减少主瓣的宽度。4.提出了门限正交匹配追踪(TOMP)算法。在OMP算法的基础上，TOMP算法在进行信号相关估计时设置一个噪声门限，当这个估计值小于这个门限时终止迭代，不必像OMP算法那样需要预设算法稀疏度。在雷达成像领域中，通常不能确知目标场景的真实稀疏度，OMP算法常常预设一个较大的稀疏度，而TOMP算法不需要预设算法稀疏度，有效的减少了算法迭代的次数，不会将目标场景中旁瓣重构出来。通过仿真实验验证了在阵列SAR中应用TOMP算法的可行性，证明了TOMP算法相对于OMP算法的优势。5.将BCS和GP算法应用于阵列SAR三维成像领域中，通过仿真实验验证了在阵列SAR中应用BCS以及GP算法的可行性。分析指出在不能准确预知观测场景稀疏度的雷达领域中，CoSaMP以及SP算法失效。通过仿真验证了WSDA和TOMP抗燥性最强，GP和BCS其次；在高信噪比情况下，超分辨能力BCS最强，其次为WSDA，TOMP和GP算法最弱；算法效率TOMP和BCS最高，其次是GP，WSDA最低。