随着人们对雷达获取“精细化”信息能力的需求不断提高,宽带雷达研究越来越受到广泛的关注。宽带雷达因使用大带宽信号,与窄带雷达相比,在雷达分辨率、目标特征识别、抗干扰等方面都具有优势。然而,研究宽带雷达必须要面对两个重要的问题。一是由于信号带宽的提高,传统的基于Nyquist采样定理的ADC技术将面临瓶颈,且回波的数据量大大增加也给后续的处理带来难度。另一个问题是由于发射信号带宽提高,窄带模型的近似条件不再成立,尺度变换效应使得回波的中心频率和带宽相对于发射信号都发生了变化,传统的距离-多普勒处理不再适用于宽带雷达。近年来,压缩感知理论的提出为有效获取宽带雷达信号提供了新的方法。压缩感知理论是在信号稀疏表示和凸优化理论基础上所提出一种全新的信号采样理论,它以信号信息率(稀疏度)为准则,可以远低于信号Nyquist率的采样速率获取信号。本文基于压缩感知理论,开展宽带雷达回波信号参数估计研究。本文提出利用正交压缩采样系统低速采样宽带雷达回波信号,并利用宽带波形匹配字典对宽带雷达回波信号进行稀疏表示,最后利用信号稀疏性实现宽带雷达回波信号的重构以及时延—尺度因子联合估计。本文的主要工作如下:(1)简述压缩感知和模拟信息转换的基本理论。首先简要介绍信号的稀疏表示、信号的压缩测量及信号重构问题;然后,对当前典型的模拟信息转换系统分别进行了介绍;最后详细介绍了本人所在课题组所提出的面向雷达应用的正交压缩采样模拟信息转换系统。(2)发展基于正交压缩采样的宽带雷达回波信号重构与参数估计方法。本文将正交压缩采样系统应用于宽带雷达信号采集中,以有效实现宽带雷达回波信号的低速采样。为从低速采样数据中重构原信号,本文提出采用基于时延和尺度因子作二维联合离散化的宽带波形匹配字典,对宽带雷达回波信号进行稀疏表示。利用信号稀疏性,宽带回波信号可由稀疏重构算法进行重构与目标参数估计。论文分别仿真分析了该方法的重构性能和目标参数估计性能,仿真结果验证了该方法的可行性和有效性。(3)提出基于稀疏贝叶斯学习的时延—尺度因子联合估计方法。由于基于时延和尺度因子二维离散化的宽带波形匹配字典在离散化网格较为精细时,其相关性较高,从而会影响稀疏重构的性能。为有效提高宽带回波信号时延—尺度因子联合估计的性能,本文提出将稀疏贝叶斯学习应用于宽带雷达回波信号参数估计,提出一种基于稀疏贝叶斯学习的时延—尺度因子联合估计方法,以有效提高宽带回波信号参数估计的性能。仿真结果表明,本文所提出的方法可有效提高目标参数估计的精度及抗噪性能。