在合成孔径雷达成像中,距离向分辨率是一个重要参数。而距离向分辨率和信号的发射带宽相关。然而如果直接增加发射带宽,虽然可以提高距离向的分辨率,但同时也增加了系统ADC的压力。单比特压缩感知理论则可以在保证不降低距离向分辨率的前提下,还可以降低系统ADC的压力。并且由于单比特采样相较于ADC更容易实现,因此单比特采样在实际中还会降低系统成本。除此之外,单比特理论由于其在对信号量化阶段仅保留信号的符号信息,这就导致单比特信号处理方法相较于传统多比特信号处理方法具有更好的抗噪性。将单比特压缩感知理论应用于雷达成像上虽然可以降低数据量,但也面临着一些新的问题。由于压缩感知类算法的局限性,导致该类算法应用于成像上时重构时间复杂度随着成像规模的增加而急剧增加。这就导致了该类算法不适用于重构规模比较大的场景。另一方面,在雷达成像应用中,由于干扰主要来自系统内部以及环境噪声这两部分,而传统处理方法都是仅考虑后者,或者将两类噪声统一归结到后者进行分析,算法简单,但势必会造成雷达成像建模精度的下降。因此本文将主要解决这两个问题。本文的第一个研究内容是基于单比特压缩感知的分段成像算法。该算法解决了重构时间复杂度过大的问题。分段算法分成四个步骤,分别是距离向重构、沿距离向分割、子段场景重构以及子段场景拼接。传统分段算法在处理位于分段点上的目标时会产生误差,而单比特分段算法由于其自身的抗噪性,对处理位于分段点上目标时会有额外的收益,从而显著降低误差。本文的第二个研究内容是提高单比特压缩感知成像的质量。由于雷达回波中的干扰主要来自雷达系统内部以及环境噪声。由于内部干扰的统计特性无法预知,因此我们采用基于字典学习的方法来降低这种干扰对信号重构的影响;而环境噪声由于其分布类型一般可以提前知道,因此我们采用贝叶斯学习的方法来降低这种干扰对成像质量的影响。