近一二十年来，合成孔径雷达(SAR)成像技术得到了长足的发展，为环境监测、资源勘察、目标识别、战场态势评估提供了新的途径。随着SAR成像技术的发展以及其应用需求的推动，数据获取方式由单波段、单极化、单角度发展到多尺度、多频率、多极化、多角度和多时相等综合获取方式。压缩感知(Compressed Sensing，CS)理论是近年提出的一种新的信号采样理论，基于压缩感知的数据采样可突破传统的奈奎斯特采样定理的限制(对于带限信号要无失真从离散信号中恢复原始信号，采样率必须是信号带宽的二倍以上)，给数据获取，存储，传输及处理带来了极大的便利。现有的微波成像雷达系统，工作体制和成像处理是建立在奈奎斯特采样定理及相应的经典数字信号处理理论基础上。在实际中，由于获取信息处理方式的限制，获取的数据不满足奈奎斯特采样约束，获取的信息也不完备，同时当雷达分辨率到达厘米级时，或者当雷达工作于多通道方式时(干涉，多波段，多极化)，传统数据获取方式将使得采得的数据量相当大，同时造成一定的信息冗余，对数据传输系统(特别是星载)压力很大。而基于冗余信息的稀疏表达，通过较少采样数据而能重建信息的稀疏信号处理技术具有解决以上问题的潜力。所以，研究基于压缩感知处理的适应于SAR的信息获取，成像算法，具有重大的实际意义。本文主要研究内容包括以下几个部分：　　 1.本文以理想点目标模型为基础，分析了基于压缩感知SAR的测量矩阵构建过程；借鉴传统SAR成像处理方式，近似将二维的SAR成像问题做解耦处理，结合FIST重建算法，在一定条件下使得测量矩阵规模很大，成像重建算法易于实现。基于压缩感知SAR成像重建处理方法，与传统的基于匹配滤波处理方式不同，它充分利用了目标散射系数的先验信息，是一个基于L1范数正则化的最优化问题。与基于匹配滤波处理得到的分辨率受限于时频测不准约束相类似，基于压缩感知SAR成像分辨率受限于稀疏性约束。最后通过计算机仿真研究了距离向发送不同的信号形式，针对回波信号距离向，方位向采用不同的采样方式时构建的测量矩阵对成像重建结果以及在近似处理后构建的测量矩阵条件下利用FIST重建算法成像重建得到的重建误差随着测绘带宽不断增加的计算机蒙特卡洛仿真结果。　　 2.本文利用场景目标散射系数稀疏的特性，以理想点目标模型为基础，提出了一种基于压缩感知的不牺牲分辨率的旁瓣抑制方法。此算法的核心思想就是通过反卷积消除点扩展函数的影响。传统成像算法成像结果实际是场景目标真实散射系数与二维点扩展函数卷积后的结果(满足Born线性近似条件时成立)，其分辨率与旁瓣大小都由这个二维点扩展函数决定。为了提高分辨率常常采用距离向增大信号发送带宽，方位向增加合成孔径长度来实现，抑制旁瓣通常通过加窗来实现，但是牺牲了分辨率。在高信噪比的条件下，这种方法不但可以利用场景目标散射系数稀疏先验信息抑制旁瓣，在场景目标散射系数足够稀疏的情况下，通过增加采样率且利用本文所介绍的方法，达到超分辨的效果。在低信噪比条件下，不但较好的抑制了旁瓣，同时还抑制了噪声的影响。最后通过一维，二维成像仿真以及实际数据处理验证了此算法的有效性。