海浪是一种十分复杂的自然现象，研究海浪的物理信息对海洋工程建设与发展、海洋能源探索与挖掘、交通运输、海洋捕捞等都具有重大的意义。对海浪的监测起源于20世纪50年代初，而近20年里基于X波段雷达图像的海洋参数反演研究备受瞩目。　　本文以在研项目为依托，对采集到的雷达回波图像，经过一系列的演算得到海浪的有效波高、波向以及波周期，实现对海浪的实时监控。在静态环境下，能够准确的对海浪的相关参数进行估计，海浪的监测已经取得了显著的成效。但是在动态环境下，由于船速过大导致海浪功率谱发生频移，雷达转速不够会产生频谱混叠的问题。因此，本文主要对解混叠问题进行分析，并提出相应的解决方案。　　首先，在动态环境下，由于多普勒效应的影响，使得迎向舰船运动方向的海浪频率增大，背离舰船运动方向的海浪频率减小。此时雷达的采样频率已经不能满足采样频率的要求，频率混叠产生，最终会使海浪参数的估计受到影响。而压缩感知理论能够解决采样频率不足的问题，因此本文利用压缩感知中一种常用的方法-正交匹配追踪法(OMP)，实现了对雷达图像的解混叠。通过数值仿真实验，证明了该方法能够有效的对海浪参数进行估计。　　其次，在压缩感知理论的基础上，本文提出了一种基于离散粒子群(PSO)的图像重构算法。目前比较成熟的压缩感知重构算法，都是将求解0范数的NP难问题转化为同解的其它优化问题，此类方法以数值计算理论为基础。本文通过引入一个参数?，将带约束的优化问题转化为了一个无约束的优化问题，利用离散粒子群算法直接求解，原理简单易懂。最后，通过数值模拟实验证明了该方法的有效性，能够对信号以及图像进行重构，并优于OMP算法，为信号以及图像的重构算法提供了一种新的思路。