超宽带雷达由于具备较高距离分辨率、低截获概率、反隐身、抗干扰、低功耗、保密性强、穿透力强等窄带雷达无法比拟的优点而被广泛应用。压缩感知(Compressed Sensing,CS)起源于泛函分析和逼近论。该理论突破了奈奎斯特采样定理的限制,使采样率不由信号带宽决定,而由有价值信息在信号中的结构和内容决定。由于UWB雷达的超宽带宽和较高频率,根据奈奎斯特采样定律,且受到雷达测不准原理的限制,前端采样系统和后端图像存储系统面临较大压力。针对超宽带雷达在生命探测和超宽带合成孔径雷达系统的应用,本论文提出基于压缩感知的采样算法,图像编码和图像融合方法。本论文的具体工作如下:(1)压缩感知理论由信号的稀疏、欠采样测量和恢复算法组成。它可以采用远小于信号长度的测量次数实现对符合条件信号的稀疏观测,采样率的范围由最小测量次数决定。本文探索了压缩感知重建算法中最小测量次数的数学论证方法,并在后面的实验与仿真中加以证实和应用。(2)超宽带生命探测雷达,基于微多普勒探测原理,可以检测人体的呼吸、心跳等生命体征。针对超宽带呼吸检测雷达中,采样时间长,处理数据量大的问题,通过对雷达回波信号的分析,本文对步进变频雷达检测生命体呼吸信号建立模型,并使用压缩感知方式对呼吸数据进行采样。本文设计了自适应的基于压缩感知的呼吸信号采样算法,采用距离域滤波方法消除噪声和干扰,实现生命体呼吸频率检测。实验验证,采样率为0.66时,呼吸频率便能很好的被检测出来,实现生命雷达的欠采样。(3)针对穿墙雷达图像离散成网格在压缩时带来的数据量过大和目标矩阵分块稀疏化的问题,本文以复数Fast ICA算法去直达波的超宽带雷达成像图片为研究对象,寻求高效、鲁棒的CS压缩算法,提出了CS雷达图片编码算法以提高大尺度图像的重建性能。由于观测矩阵的实现是CS硬件实现过程中的主要障碍,该算法通过对测量矩阵进行简单有效地筛选和预处理,削弱了测量矩阵中的元素关联,提高了图像质量。本文首先通过构造测量稀疏矩阵,然后对凸优化算法和贪婪迭代算法进行设计仿真,确定了适用于本文实验的分块稀疏雷达图像编码算法。利用基于残差最小的线性预测方法,使在更低采样率的情况下获得定位准确,轮廓清晰的目标图像,减少了成像所需探测次数,节约了时间资源。(4)针对合成孔径雷达成像区域越来越大,雷达成像分辨率需求日益提高,雷达信号带宽增大的需求和信号获取及处理难度增加的问题,本文提出基于正交匹配追踪的双小波融合算法。针对庞大的超宽带频段SAR雷达融合图像,鉴于雷达地物图片的小波稀疏特性,在图片通过小波变换后,首先分别对高频和低频的较大小波系数进行分组。在最小二乘准则下确定出每个分组的相对误差,记录稀疏解的非0元素位置索引。根据非0元素位置索引,构建最小二乘法,并对每组中的小波系数进行像素级融合。本文算法实现了最适合雷达图像的小波稀疏基和融合基构造,最后再将系数通过OMP恢复算法重建,并对比了基于GPSR方法的SAR图片融合算法。本论文提出的超稀疏压缩感知融合算法最大限度地节约了处理数据量,实现高频段超宽带SAR图像的欠采样融合,该算法可以有效避免高分辨率探测器带来的高成本问题。