传统的SAR成像分辨率与点扩散函数的主瓣宽度有关，通常需要发射大带宽信号。由此会造成采样率升高、数据量剧增等问题，给传输、存储及实时成像造成不便。雷达目标具有电磁散射特性，符合压缩感知对稀疏性的要求，使得在SAR成像中引入压缩感知（Compressive Sensing，CS）理论具有可行性。由于基于CS的SAR（简称CS-SAR）成像可以有效消除点扩散函数的影响，提高成像分辨率，并且CS理论中的非相关观测能有效降低高分辨雷达成像所需的数据量，所以CS-SAR高分辨成像具有非常重要的意义。本文主要在前人研究的基础上，深入展开基于二维CS的高分辨SAR成像算法的系统研究。首先是在距离维和方位维分别应用CS得到基于CS的二维可分离的高分辨SAR成像算法。包括适用于正侧视的RD-CS（Range-Doppler-CS）二维成像算法，适用于大斜视的改进RD-CS二维成像算法，以及与经典chirp-scaling算法结合的CS-CS高分辨成像算法。实验仿真已经证明这些算法在分辨率及数据率上均胜于传统成像算法。但是，目前CS-SAR成像算法对不稀疏场景的成像效果还不理想，本文设想利用回波的两维联合信息来提高CS-SAR的成像效果。基于此思路提出基于梯度投影算法的二维联合高分辨SAR成像算法和基于CS二维联合基的高分辨SAR成像算法。并经实验初步证明了回波信号中蕴含丰富的两维联合信息，若充分利用这些联合信息，则可以大大降低采样率和场景稀疏度对CS-SAR成像效果的限制。