雷达成像是借助电磁波作探测信号,借助高分辨率成像技术对观察区域或场景进行高精度的二维成像技术。由于匹配滤波的方法要受Shannon-Nyquist采样定理的限制,所以这种方法在雷达成像性能上很难进一步突破。压缩感知是近年来提出的新型信号采样理论,利用自然界大部分信号固有的稀疏性这一先验信息,可以通过少量的采样信号,突破Shannon-Nyquist采样定理的限制,通过非线性的方法准确重构出原始信号。传统匹配滤波方法需要采样率满足压缩感知应用在雷达成像中,不仅可以大大降低采样率,还能提升雷达成像的性能。然而,在低信噪比情况下,压缩感知重建信号的质量会下降,这是目前待解决的一个典型问题。另外,在复杂电磁环境下,尤其是干扰环境中,雷达成像的性能会大大受到影响。面对综合复杂的电磁环境,如何最大化的提升雷达成像性能一直以来都是一个亟待解决问题。本文针对以上两个问题,围绕着压缩感知理论,基于贝叶斯估计理论,深入讨论了复数贝叶斯压缩感知重构方法以及在干扰下的贝叶斯压缩感知成像策略,本文主要内容如下:本文首先研究了压缩感知重构算法的优缺点,深入探讨压缩感知应用于合成孔径成像领域的若干问题。在贝叶斯压缩感知重构算法理论方面,本文首先研究了各类贝叶斯压缩感知重构算法的适用场景和优缺点,完善了各贝叶斯压缩感知重构算法的理论推导,并分析了各个算法的复杂度。针对低信噪比情况下压缩感知成像算法重构信号质量下降这一问题,本文深入研究了基于贝叶斯估计理论的压缩感知成像算法,提出了实部虚部分离的的复数贝叶斯压缩感知重构算法。该算法利用场景的相位信息作为先验,将原有的复数测量方程分为实部和虚部两个测量方程,并将实部和虚部两部分的成像结果相融合来提升重构结果。该算法与现有的复数贝叶斯压缩感知重构算法相比,运算复杂度低,收敛速度快,成像性能优良。仿真实验和实测实验均表明改进复数贝叶斯压缩感知重构算法在低信噪比情况下对信号有良好的重建效果。针对在复杂电磁环境下如何提升雷达成像的性能问题,本文提出了贝叶斯压缩感知SAR频率组合优化算法,该算法主要包括两部分。首先是产生新的频率组合策略,从单一高斯模型规范步长到混和高斯模型规范步长,用变步长的方式使得系统频率快速跳出干扰区域,以减少算法的迭代次数。其次是频率组合选择问题,本算法借鉴Metropolis准则,不一味地拒绝次优解,而是以一定的概率接受次优解,以期望它能跳出局部最优解,从而使算法尽可能收敛到全局较优解。仿真结果验证了本算法的有效性。