压缩感知理论可以突破经典奈奎斯特采样定理实现低速率采样,利用信号的少量信息,通过求解最优化问题恢复完整信号,减小了信号重构的计算量,缓解了信号采集以及处理的压力。该理论也广泛应用于高分辨雷达成像中,充分利用信号的稀疏性,可以准确提取出目标的散射中心参数,有效的提高雷达成像质量。本文将压缩感知理论与雷达成像相结合,利用多部雷达进行数据融合提高雷达成像分辨率,将多雷达数据融合问题转化为信号稀疏求解问题,并针对网格失配情况下的稀疏算法进行深入研究。并研究雷达三维高分辨成像算法。本文主要内容分为以下几个方面:第一方面介绍了本文的研究背景以及研究意义,阐述了高分辨成像雷达的研究现状,并说明了基于压缩感知理论的高分辨雷达成像的重要性。第二方面介绍了数据融合技术,并介绍基于压缩感知理论的雷达成像方法,分析重构算法所面临的网格失配(Off-Grid)问题,该问题将导致目标的参数估计不准,成像效果模糊。第三方面研究多部雷达进行数据融合算法,考虑网格失配问题,提出一种参数联合估计的方法,改进参数模型,利用稀疏贝叶斯学习技术中的期望最大化(EM)迭代求解方法,进行联合参数估计,通过仿真验证了该算法的性能。第四方面研究了基于压缩感知理论的三维成像方法,由于传统三维成像方法计算复杂度高,计算内存消耗大,研究了基于压缩感知理论的降维成像方法,该方法显著提高了成像的计算效率,节省了计算机的内存,并通过电磁软件仿真验证了该算法的性能。第五方面对本文的工作进行总结,并指出下一步的研究方向。