获取高分辨率成像是雷达系统的一个重要任务。在传统的成像体制下,需要提高发射信号的带宽。根据Nyquist采样定理,这需要大量的采样数据,给雷达系统的数据存储、处理和传输带来了很大压力。压缩感知(Compressed sensing,CS)是一种新的信号采样理论。压缩感知理论与传统采样定理不同,它指出,如果信号本身具有稀疏特性,或在某一变换域中可以被稀疏化表示时,通过特定的非线性最优化问题的求解,信号可以从远低于Nyquist率所采集到的信号测量值中,进行近似或精确地重建。根据这一理论,可以有效地降低雷达成像系统的原始数据率,以解决系统所涉及的大数据量采集、存储和传输等问题。基于此,把压缩感知理论应用到雷达成像技术中,会给高分辨率雷达成像带来巨大变革。本文以两种典型稀疏场景的雷达目标为背景,包括舰船目标和弹道导弹中段目标,深入开展了基于压缩感知的雷达成像方法研究,并探讨在稀疏成像体制下的目标特征提取和识别等具体应用问题。为此,本文做了如下工作。研究了压缩感知的测量矩阵优化问题。根据压缩感知理论,为了获取更精确的重构结果,要求测量矩阵的列向量之间有较低的线性相关性。本文基于最小互相关值的原则,提出了两种算法来对测量矩阵进行优化。首先,使用一个完全正交的矩阵来替换随机测量矩阵的部分列向量,构造一个半随机矩阵来加强列向量之间的线性无关性;然后,通过引入收缩因子,使得在每一步迭代过程中,测量矩阵的列向量之间的互相关值接近理论上的最低值。经过一系列的迭代,使得优化后的测量矩阵的列向量之间的线性无关性达到最小,以获取更精确的重构结果。研究了压缩感知在微波成像领域中的应用,提出了一种高效的、盲的、基于二维压缩感知的合成孔径雷达(Synthetic aperture radar,SAR)成像算法。首先,对目标场景的原始雷达回波,作用传统的SAR成像算法,获取目标场景的复数图像;然后,应用贪婪算法于该复数图像,重构出目标场景中的强散射系数。该算法主要包括峰值的搜索,迭代程序的阈值设计,以及点扩散函数的估计。因为基于二维CS,所以该算法可以充分利用目标场景的空间稀疏度。通过把贪婪算法应用于复数图像域而不是原始回波域,而且通过把峰值搜索过程限制在一个有限集合中而不是整幅复数图像,该算法能高效地对目标场景进行重构。此外,因为点扩散函数直接从原始数据中估计求得,所以该算法具有盲的性质,即在雷达系统参数未知的情况下,算法依然有效。研究了弹道导弹中段目标一维距离像的回波仿真技术,提出了一种有效的回波仿真方法。首先,通过专业的电磁计算软件,获取弹道目标散射特性的频率响应,然后,再进一步对该频率响应进行处理,得到当雷达系统发射Chirp信号或其它波形信号时的目标的回波。该方法可以用来构造目标的回波数据库,众多目标的数据库可以用来训练和测试分类器,用于目标的识别。研究了基于一维距离像的弹道导弹中段目标识别技术。通过提取一维距离像的双峰特征,构造二维特征空间,设计基于统计特性和序列性的分类器,在仿真数据和目标稀疏条件下,获取了较高的识别率。考虑到实际应用中,雷达系统发射信号的带宽限制,本文把压缩感知技术应用到目标一维距离像的识别中。通过从降采样数据中重构强散射系数,获取分辨率提升的一维距离像。由此可以在较低带宽条件下,获取接近于传统较高带宽成像体制下的目标识别结果。实验表明,在目标稀疏条件下,本文提出的算法是有效的。通过研究,本文探讨了基于压缩感知技术的雷达成像和目标识别方法,以期在降采样数据条件下,获取近似于传统满采样条件下的结果,这在军事和民用领域,有一定的应用价值和实用意义。最后,本文对研究工作做了总结,并指出了本课题后续的研究方向。