阵列三维SAR系统可以工作在下视模式,突破了其他三维SAR系统(曲线SAR,层析SAR)只能工作在侧视、斜视模式的限制,克服了其他三维SAR具有的阴影效应和图像几何畸变等不足。传统的阵列三维SAR成像方法基于经典信号处理理论,具有回波数据量大,主瓣旁瓣模糊等问题。而基于压缩感知理论的信号重建方法,在信号满足稀疏性的前提下,可用远低于奈奎斯特采样率要求的测量值进行重构。一般三维场景中的目标具有很强的稀疏性,因此可将压缩感知理论应用到阵列三维SAR成像中,利用稀疏阵列得到欠采样回波,再通过稀疏重构算法成像,一方面能够降低回波数据量,减小数据存储、传输的成本,另一方面突破了传统SAR成像算法的瑞利限约束,提高了分辨能力,从而解决了传统阵列三维SAR成像方法的上述问题。本文围绕目前基于压缩感知的阵列三维SAR成像方法的大运算量和如何实现稀疏阵元分布最优化等问题,展开了研究,工作和创新如下:1.概述了阵列三维SAR的几种工作模式,介绍了传统的三维成像算法(RD,BP)并指出其不足,简述了压缩感知基本理论,介绍了阵列SAR在三维全场景和二维阵列平面的线性测量模型并在此基础上建立了分维分块的阵列SAR线性测量模型,为后续研究基于压缩感知的阵列三维SAR快速成像方法提供一定的理论基础。2.研究基于压缩感知的阵列SAR快速三维成像算法。为解决目前基于压缩感知的阵列SAR三维成像算法存在的运算量过大的问题,利用回波分维重建和场景分块重建结合处理的思路,提出了一种基于压缩感知的线阵SAR快速三维成像算法。该算法大大降低了测量矩阵的维数,从而不仅提升了运算效率还减小了内存占用量,通过仿真验证了算法的有效性。3.研究稀疏阵元分布最优化方法。分析了测量矩阵的相关系数与模糊函数的关系,讨论了稀疏阵元分布对测量矩阵相关系数的影响,建立了基于测量矩阵相关系数最小化的非均匀稀疏线阵的阵元优化模型,揭示了压缩感知阵列SAR中的稀疏阵元分布优化问题本质是一个整数规划问题,提出了一种基于整数规划的非均匀稀疏线阵的阵元分布最优化方法。该方法能找到最小相关系数测量矩阵对应的最优稀疏阵元分布方式,提升重构概率,为基于压缩感知的阵列SAR稀疏阵元的优化设计提供参考,仿真验证了方法的有效性。