超宽带穿墙雷达能对墙体等非金属障碍物后的物体进行探测与识别,其在反恐、救援、防爆等领域应用广泛,具有巨大的研究价值。在传统的穿墙雷达成像中,接收天线对回波信号的采样基于奈奎斯特采样定理,而穿墙雷达成像要实现距离向的高分辨率需要发射超宽带信号,这就使得穿墙雷达成像系统在信号采集时对AD采样率的要求很高,并且高速的信号采集对存储设备容量需求也很大。在穿墙雷达成像中,目标往往只占整个观测区域很小的一部分,即目标相对于整个观测区域来说是稀疏的,根据压缩感知(CS)理论,该特点满足应用压缩感知的前提,本文正是基于此展开的,研究基于稀疏观测的穿墙雷达成像方法,目的是降低穿墙雷达成像系统中接收天线对回波信号的采样率,并能保证从较少的测量值中实现对观测区域的成像。　　本文的主要工作如下:　　1、介绍了穿墙雷达模型和压缩感知基本理论,并在此基础上介绍了基于稀疏观测的穿墙雷达成像方法,给出了两种稀疏观测的穿墙雷达成像方法:CS_BP成像方法和联合CS成像方法,并将这种方法与传统成像方法作了对比;　　2、针对稀疏观测结构中传统切削序列的功率谱与回波信号的功率谱不匹配导致低速采样前信号的信噪比偏低而影响成像效果的问题,本文从最大化低速采样前的平均信噪比入手,提出了用匹配序列作为切削序列代替传统的服从伯努利分布的±1序列,并基于游程长度受限的(RLL)马尔科夫序列给出了一种匹配切削序列的设计方案。仿真结果表明,使用匹配切削序列的成像结果优于传统切削序列;　　3、l1范数最优化模型与l0范数最优化模型的解之间存在误差,降低了成像效果。针对此问题,本文提出了一种基于加权l1范数的稀疏观测穿墙雷达成像方法。该方法对目标函数中的待求解的系数进行加权,拉近大系数和小系数对目标函数的贡献,从而使l1范数最优化模型的解更加逼近l0范数最优化模型的解。仿真结果验证了所提方法的有效性;　　4、由于实际中的目标往往都是扩展目标,其回波信号具有块稀疏的特点,如果成像算法不考虑回波信号的这一特点对场景成像的影响,将导致目标杂波比小,成像效果不佳。为此,本文提出了一种基于块稀疏贝叶斯学习(BSBL)的成像方法,仿真结果验证了所提方法的有效性。