逆合成孔径雷达（ISAR）由于其对运动目标成像的过程中受自然环境影响小,作用距离远等特点,被广泛的应用在军事、民事领域。ISAR主要针对运动的目标进行观测并且大都是非合作目标,并不能保证对每一个目标都有足够的观测时间。现实生活中,信号在传播的过程中会遇到噪声或者干扰,引起ISAR的回波数据部分缺失。传统的距离-多普勒方法是建在完整的ISAR数据上,对于数据缺失的回波,并不能保证很好地成像结果。压缩感知（Compressed Sensing,CS）这种全新的信号处理理论能够在信号采样的同时,对信号进行压缩,结果用远小于原信号维数的测量值来恢复原信号。这种特性不仅解决了传统ISAR成像数据量大,计算量大,数据冗余度大的问题还保证了回波数据不完整时的高质量成像。本文首先介绍了逆合成孔径雷达的成像原理,其中介绍了理想转台模型和运动补偿技术,并在ISAR的实测数据上进行了运动补偿技术实验。然后研究了压缩感知雷达成像技术,重点介绍了压缩感知的基本理论及其重构算法,并在仿真正弦信号和外场飞机实测实验数据中验证压缩感知重构算法的有效性。最后分别从两个方面进行压缩感知算法的改进,首先引入了l₀范数的等效范数,log-sum范数。文章从理论上说明了,log-sum范数的求解方法简单,且相比于l₁范数,它能更加逼近l₀范数。实验说明了,相对于l₁范数,log-sum范数不仅对信号有更好的稀疏表示还表现出了很好地抗噪声性能。其次,Gini系数,它比l₁范数等一些其他的范数具有更好稀疏性能,提出基于Gini系数的压缩感知重构算法,分别在正弦仿真信号和ISAR仿真数据上验证算法的有效性。与此同时,和log-sum范数算法在各个方面进行了性能比较。