作为一种新型的三维SAR成像模式,线阵三维SAR不仅克服了传统二维SAR成像的阴影遮挡效应、空间模糊、顶底倒置等缺点,而且相对于圆周SAR、层析SAR等三维SAR模式,具有运动轨迹容易控制的优点,在军事和民用方面都有着广泛的应用。由于受Nyquist采样定理的约束以及传统基于匹配滤波的SAR成像算法分辨率的限制,线阵三维SAR成像存在着回波数据量巨大、成像分辨率低等缺点。压缩感知理论指出,如果信号是稀疏的或可压缩的,那么可以用低于Nyquist采样定理规定的采样率恢复原信号。在三维SAR成像中,成像的目标场景往往具有稀疏性,因而压缩感知理论在提高SAR成像分辨率、降低SAR回波数据量上有着重大的应用。本文将压缩感知理论运用于线阵三维SAR中,主要研究了基于稀疏重构的线阵三维SAR成像方法,具体研究内容和创新点如下:1、简述了线阵三维SAR成像基础与压缩感知基本理论。首先,介绍了线阵三维SAR的几何模型,给出了其回波信号模型。其次,在模糊函数的基础上分析了传统成像算法的分辨率限制,并且介绍了两种传统的SAR成像算法及优缺点。最后,介绍了压缩感知的基本理论、分析了线阵三维SAR的线性观测模型,为后面将压缩感知理论运用于线阵三维SAR高分辨率成像提供了理论依据。2、研究了基于贪婪算法的SAR成像方法。首先,阐述了正交匹配追踪(OMP)算法的流程。OMP算法因具有流程简单、运算效率较高、重构误差较小等特点得到了广泛的应用。其次,总结了近年来针对OMP算法相关学者提出的一些改进算法。这些算法主要从元素选择的准则、系数更新、候选集数目等方面进行改进。最后,重点研究了梯度追踪(GP)算法,该算法相对于OMP算法具有运算效率高、空间存储低的优点。3、提出了一种基于门限的梯度追踪(TBGP)算法。GP算法需要预设稀疏度,而对于SAR成像来说,很难获得场景的真实稀疏度。针对此问题,运用对比度和变化率代替预设稀疏度作为迭代次数的准则,提出了TBGP算法。该算法不仅保留了GP算法在运算时间和空间存储上的优势,又克服了GP算法需要预设稀疏度的缺点。仿真及实测数据实验验证了上述结论。4、研究了迭代最小稀疏贝叶斯重构(SBRIM)算法。分析了SBRIM算法的原理以及步骤流程。作为稀疏贝叶斯一类算法,相对于其他类算法来说,具有灵活性强、重构精度高的特点。仿真实验结果表明SBRIM算法相对于传统BP算法具有高分辨的成像能力。5、提出了加权迭代最小稀疏贝叶斯重构(WSBRIM)算法。与SBRIM算法不同,WSBRIM算法是对代价函数中的L1范数向进行加权约束,并且采用了不同的函数近似L1范数,减小了运算量。详细阐述了WSBRIM算法的原理以及步骤。对所提到的相关算法做了仿真实验分析和性能比较。仿真实验结果表明,在重构精度上,WSBRIM算法的重构误差最小,重构精度最好;而在运算效率上,本文所提的TBGP算法更具有优势。最后,三维SAR实测数据成像结果验证了WSBRIM算法在实际场景中的有效性。