随着合成孔径雷达应用的不断深入，干涉合成孔径雷达（Interferometricsynthetic aperture radar, In-SAR）与在干涉合成孔径雷达基础上发展而来的多基线合成孔径雷达应运而生。而在传统的准确的信号恢复过程中，满足奈奎斯特采样定理是一个必要条件，正是这一限制导致实际条件下的多基线合成孔径雷达三维成像系统面临成像失效等重大难题。对此，压缩感知（Compressive Sensing, CS）理论则能突破奈奎斯特采样定理实现信号的精确恢复，该理论指出，对于稀疏性或可压缩性信号，能够用远低于奈奎斯特采样率获取的低维观测值，再经过适当的稀疏信号重构算法来精确恢复信号。本文即是利用压缩感知理论来解决稀疏基线条件下面临的成像质量恶化甚至失效的问题，并将压缩感知框架下的成像算法与基于谱估计的成像算法进行各种性能对比分析，为此，重点进行了如下几点的深入研究：（1）从实际出发，将基于压缩感知理论的问题公式化，重点提出压缩感知应用的两个限制条件：非相关性和有限等距性质，随后介绍压缩感知技术的广泛应用。这些都为后面的基于压缩感知理论的稀疏基线SAR三维成像方法奠定了基础。（2）在详细分析多基线SAR三维成像原理及步骤的基础之上，应用压缩感知技术到稀疏基线条件下SAR高度维聚焦中，把高度维聚焦过程转变为稀疏信号重建过程，分别利用压缩感知框架下的基于范数最小化的优化算法和贪婪算法进行高度维聚焦。通过不同的仿真实验对基于压缩感知的算法的成像有效性及成像分辨率进行验证与分析，并对比贪婪算法中的ROMP算法和CoSaMP算法。（3）通过不同的仿真实验对各种算法应用到稀疏基线SAR高度维成像中的性能进行了对比与分析，有重构误差、位置估计精度、最小基线数量与抗噪性能等。主要对比分析的内容有两方面，一是将压缩感知框架下的优化算法及贪婪算法与基于空间谱估计的MAPES算法相比；二是将贪婪型算法中的ROMP算法和CoSaMP算法与基于范数最小化的优化算法Slimmer算法相比。