近一二十年来，雷达成像技术得到了长足的发展，为环境监测、资源勘察、目标识别、战场态势评估提供了新的途径。随着雷达成像技术的发展以及其应用需求的推动，数据获取方式由单波段、单极化、单角度发展到多尺度、多频率、多极化、多角度和多时相等综合获取方式。传统雷达成像数据采样方式都是基于奈奎斯特采样定理，由雷达成像理论可知，当成像系统的分辨率较高时，对应的距离向发送信号的带宽、方位向的多普勒带宽较高，使得距离向和方位向采样频率增高，最终导致系统的采样速率增大，数据率急剧增大。　　 压缩感知理论是近年提出的一种新的信号采样理论，该理论指出对于稀疏或者可压缩信号可通过远低于Nyquist采样率的测量数据精确地恢复原始信号，它给数据获取，存储，传输及处理带来了极大的便利，所以研究基于压缩感知的雷达信息获取和处理系统，具有重大的实际意义。　　 本文主要研究内容包括以下几个部分：　　 1.提出了一种利用信息论的观点建立的压缩感知雷达成像的采样点数、信噪比和分辨能力的性能分析模型。基于该信息论模型文中分析了稀疏目标准确重建所需要的采样点数、目标场景的稀疏度、回波信号的信噪比和成像结果的分辨能力之间的关系。通过对实际数据处理实现了高分辨能力成像，并验证了文中的稀疏度、信噪比和分辨能力之间关系理论。　　 2.提出了利用随机噪声信号源进行压缩感知雷达成像的原理。文中给出了该雷达系统的基本原理框图和成像处理的方法，并从理论上证明了基于压缩感知的随机噪声雷达的回波观测矩阵具有很好的约束等容性。在目标场景稀疏或可以稀疏表示时，基于压缩感知的随机噪声雷达可以采集远小于常规随机噪声雷达成像所需的回波数据并能够准确成像，最后通过仿真实验验证了文中所提出的理论。　　 3.提出了一种基于交叉熵最小化的压缩感知雷达成像算法。基于交叉熵最小化的理论可以很好的分离背景和目标，在稀疏信号处理中如果能有效的将稀疏信号与噪声分离，即可以有效的对稀疏信号进行重建。基于这些思想，将交叉熵最小化理论应用到稀疏信号处理中，提出了一种基于交叉熵最小化的迭代阈值算法，该算法既能保证原有迭代算法的稳定性好，恢复精度高的优点，还能够自动选取合适的正则化参数，适合于实际压缩感知雷达成像处理，最后通过仿真实验验证了该算法的优越性。