近年来,雷达成像在国民经济和国防建设中发挥了越来越重要的作用,然而随着需求的不断变化,传统雷达成像方法已经不能满足当今社会各种不完全数据成像的需求。从信号处理角度来看,雷达成像问题实际上是一种特殊的信号重构问题,如果能够假设目标场景具有稀疏性,那么该重构问题可以直接通过稀疏重构算法来求解。这种基于稀疏性的场景重构方法不但能够替代传统成像方法实现雷达成像,而且能够有效解决传统雷达成像方法无法实现的不完全数据成像难题。正因如此,研究基于稀疏性的雷达成像方法具有极其重要的理论和实际意义。本课题围绕雷达成像中各种稀疏性下的雷达成像方法展开研究,对重构理论、系统模型和成像方法进行了详细的研究和讨论。根据稀疏性的不同,分别从一般稀疏性、分块稀疏性和联合稀疏性等三种稀疏性的角度研究了它们在雷达成像中的应用,提出了一系列的理论和算法,并进行了相应的分析和仿真实验,对各理论和算法的有效性进行了验证。根据电磁散射理论,雷达成像场景通常可以通过少量强散射点进行建模,因而具有潜在的稀疏性。本文给出了实现基于稀疏性的雷达成像的基本流程,并从雷达回波模型入手,推导了一种适合于多种雷达成像模式的压缩感知雷达成像近似观测模型;构建了一种适合于扫描雷达成像多通道波束锐化的联合稀疏模型。这些为研究基于一般稀疏性、分块稀疏性和联合稀疏性的雷达成像方法奠定了基础。文中首先研究了近似观测模型下基于一般稀疏性的压缩感知雷达成像问题。针对现有一般稀疏性压缩感知雷达成像方法收敛速度慢,成像效率低的问题,提出了基于近似消息传递算法的AAMP算法压缩感知雷达成像方法,在保证单步迭代计算量不增加的前提下,加快了算法的收敛速度,有效地提高了一般稀疏性压缩感知雷达成像的效率;针对现有一般稀疏性压缩感知雷达成像方法难于结合复杂的结构化先验信息的问题,提出了一种基于近似观测模型的AOMP算法压缩感知雷达成像方法,为实现基于复杂结构化先验信息的贪婪算法压缩感知雷达成像奠定了基础。然后研究了近似观测模型下基于分块稀疏性的压缩感知雷达成像问题。针对现有分块稀疏理论不够完善,无法利用块互相干性处理非均匀分块稀疏信号的问题,提出了一种非均匀分块稀疏理论,定义了非均匀分块稀疏的块互相干性,给出了非均匀分块稀疏的不确定准则,确定了非均匀分块稀疏表示的唯一性条件,评估了非均匀分块稀疏重构算法的性能,并将分块稀疏理论中BOMP算法推广到非均匀分块稀疏理论中,在扩展其应用范围的同时提高了BOMP算法的性能;针对如何利用雷达场景中复杂结构化先验信息来提高压缩感知雷达成像性能的问题,在结合近似观测模型和非均匀分块稀疏理论的基础上,提出了一种基于分块稀疏性的ABOMP算法压缩感知雷达成像方法,实现了基于聚集结构化先验信息的压缩感知雷达成像,提高了压缩感知雷达成像的性能;针对ABOMP算法中最小二乘原子正交化效率过低的问题,提出了一种基于梯度下降算法的原子正交化方法,有效地提高了ABOMP算法实现分块稀疏压缩感知雷达成像的效率。最后研究了联合稀疏模型下基于联合稀疏性的扫描雷达成像多通道波束锐化问题。针对现有多通道波束锐化方法无法同时利用多通道特性和稀疏特征的问题,在结合参数估计理论的基础上,提出了一种基于联合稀疏性的MCIST算法多通道波束锐化方法,通过引入联合稀疏性,实现了同时利用多通道特性和稀疏特征的多通道波束锐化,提高了多通道波束锐化的性能。