合成孔径雷达（synthetic aperture radar,SAR）是一种主动相干成像雷达,其全天时、全天候、远距离和高分辨的优点使其在军民两用领域都有应用价值。近年来,压缩感知（compressive sensing,CS）技术的飞速发展给SAR成像提供了一种全新的发展思路。由于SAR回波具有稀疏性,可以运用CS理论对其进行稀疏表示,从而克服回波数据量大、采样率高等问题。实际场景中,SAR信号还常常具有块稀疏性,并且为了获取更加详细的目标结构信息,需要考虑更为复杂的电磁散射特性。因此,本文以基于扩展稀疏结构的SAR成像方法为研究课题,主要研究了两种扩展稀疏结构:块稀疏结构和部件级散射结构。主要研究内容如下:（1）在压缩感知原理和目标电磁散射性质的研究基础上,给出了基于属性散射中心模型（attributed scattering center,ASC）的SAR成像模型。（2）提出一种基于块稀疏的迭代加权最小二乘（iteratively reweighted least squares,IRLS）SAR成像方法,该方法采用对数和函数代替l₀范数作为稀疏约束。并采用了一种最小化代价函数上界（替代函数）的策略来简化原问题。该方法的实现与IRLS相同,其权重系数的更新采用了一种耦合机制来鼓励块稀疏解。仿真实验表明,与极坐标格式算法（Polar Format Algorithm,PFA）和最小二乘（Least squares,LS）方法相比,该方法能够有效恢复信号块稀疏结构。另外,在分层贝叶斯框架中,针对块稀疏结构,假设每个元素的估计与其自身及其相邻元素的超参数相关,提出一种耦合模式的块稀疏贝叶斯学习SAR成像方法。并结合期望最大化（expectation-maximization,EM）方法求解。仿真结果表明,与PFA和LS相比,该方法具有改善的SAR成像性能。（3）给出了一种变步长迭代稀疏SAR成像方法,利用不需要计算Hessian矩阵的拟牛顿迭代法减少了成像所需的计算量。仿真实验验证了该方法在稀疏场景、块稀疏场景中的成像效果。（4）考虑了脉冲噪声背景,讨论了一种基于ASC模型的稳健SAR成像方法。由于l₂范数对脉冲噪声非常敏感,本文采用l_p-范数（0≤p≤2）作为数据保真项,l₁-范数作为稀疏约束,建立l₁-l_p范数优化问题。采用交替方向乘子法（alternating direction method of multipliers,ADMM）结合近似算子来求解。最后基于估计的ASC属性外推相位历史可得高分辨SAR图像。另外,本文进一步验证了限幅处理后该方法的有效性,限幅处理即将信号限制在一定幅度范围内,从而部分抑制脉冲噪声。仿真结果表明,无论是否限幅,所提方法均能有效抑制脉冲噪声,并且实现部件级成像,保留目标结构完整性。