逆合成孔径雷达(ISAR)被广泛地应用在军事和民事领域,其成像技术一直是人们研究的热点。ISAR的目标通常是非合作性目标,所以不能保证有足够的时间对目标进行观测,接收到的目标回波通常是缺失不连续的。一种新兴的理论压缩感知被引入,这种全新的理论可以使用远小于奈奎斯特采样率的值对信号进行重构,成功地解决了在数据缺失时ISAR的成像问题。压缩感知算法中的观测矩阵在工程实践中存在构造复杂的问题,本文设计基于Logistic混沌序列设计的观测矩阵,在保证重构精度时工程实现更为简单。ISAR观测的许多目标在相对雷达运动产生多普勒频率时,目标上其他机械结构进行额外运动产生微多普勒效应。微多普勒效应使ISAR成像质量下降,所以要进行消除。在消除微多普勒频率时会造成数据缺失问题,本文结合压缩感知提出消除微多普勒效应的ISAR成像算法。本文算法在消除微多普勒效应时有效地重构出ISAR目标图像。ISAR成像时要对目标场景进行离散化,可能会产生失匹配问题。采用压缩感知算法成像时此问题更为严重,目前这方面研究欠缺。本文将压缩感知算法进行改进,提出基于压缩感知的自适应细化网格算法来解决失匹配问题。本文首先介绍了ISAR成像的基本原理,并详细阐述了理想转台模型和运动补偿原理,并用ISAR实测数据进行成像。其次介绍了压缩感知原理,详细介绍了其三个主要组成部分。然后介绍了基于Logistic混沌序列的压缩感知算法原理,通过正弦信号、米格-25仿真数据和ISAR实测数据验证该算法的有效性。接着介绍了基于压缩感知的ISAR微多普勒消除算法,并用ISAR实测数据验证其有效性。本文最后介绍了ISAR成像中的失匹配现象,介绍了基于压缩感知的自适应细化网格算法,通过正弦信号验证了该算法的有效性。