为了实现目标的精确定位、精确拦截和精确打击,需要提高雷达系统的分辨率,这也是提高雷达多目标测距、检测、分类与识别水平的关键。距离分辨率决定于雷达信号的带宽,带宽越大越好,那么雷达系统需发射大宽带信号。在传统信号处理框架下,采样速率必须满足奈奎斯特采样定理,才能够从采样信号中不失真的恢复出原始信号。对于宽带信号,这无疑给硬件设备带来极大的挑战,导致雷达接收端采样设备昂贵。　　 近几年发展起来的压缩感知(Compressed sensing,CS)理论为信号处理带来了革命性的突破。压缩感知认为:如果信号在可稀疏表示或可压缩的情况下,就可以从低维观测数据中恢复出原始高分辨信号。那么根据CS理论:在雷达接收端对信号进行压缩采样,就有望突破传统雷达处理宽带信号时的硬件限制。CS理论一旦实践成功,对雷达信号处理带来的影响是不言而喻的。本论文对CS在雷达信号处理中的应用进行了研究,主要内容如下:　　 (1)设计了基于模拟信息转换(Analog-to-Information Converter,AIC)的压缩匹配滤波器。传统雷达信号处理采用的是脉冲压缩技术,该方法需要遵循奈奎斯特采样定理。为了克服对带宽的限制,本论文研究了AIC的设计与实现,这突破了脉冲压缩技术对雷达信号带宽的限制,大大降低了信号的采样速率,并应用该方法对雷达目标参数进行了估计。　　 (2)在此基础上,本论文实现了基于快速贝叶斯匹配追踪(Fast BayesianMatching Pursuit,FBMP)算法的雷达目标参数估计。该算法应用优化贝叶斯框架来决定信号稀疏表示的原子,同时估计出信号的稀疏表示系数和稀疏基。FBMP算法结合了匹配追踪(Matching Pursuit,MP)与贝叶斯两种方法的优势,时间复杂度和重建精度介于二者之间。采用本论文方法进行了实验,实验结果表明:在存在系统噪声和杂波的情况下,FBMP算法均能实现比其它算法更准确的目标特性估计。　　 (3)为了实现更低采样率和信噪比下的目标参数估计,本论文提出了一种基于进化计算(Evolutionary Computations,EC)的压缩信号恢复算法。利用EC的全局搜索能力解决目标返程系数恢复的非凸优化问题,该算法比其它优化算法得到了更高质量的解,且对噪声具有一定鲁棒性。采用本论文方法进行了实验,实验结果表明:在存在系统噪声和杂波的情况下,基于EC的压缩信号恢复方法都可以更好的估计出目标特性,其缺点是时间复杂度略高。　　 (4)提出了一种基于字典学习的合成孔径雷达(Synthesis Aperture Radar,SAR)图像高分辨重建方法。稀疏表示的结果直接影响CS的效率,本论文在对SAR图像进行高分辨重建时,采用了从训练样本中自适应学习字典的方法,从而实现了更加稀疏灵活的表示。对多幅SAR图像采用该方法进行了仿真,实验结果表明:在字典学习下,重建精度高于其它重建算法。