因其工作距离远、受环境影响小等优势，逆合成孔径雷达(ISAR)成像技术在军用及民用领域得到了广泛的应用。通常情况下，为了实现方位向的高分辨率，ISAR系统需要较长的观测时间进行相干处理。然而，ISAR的目标一般具有非合作性且机动性很强，同时ISAR的工作模式通常为多目标跟踪，所以对于单个目标的长时间观测几乎不可能实现。因此，实际中通常会产生方位向数据缺失的现象。如果回波数据不完整，使用传统的距离-多普勒方法将因旁瓣过高而导致图像模糊，影响ISAR成像质量。压缩感知理论自从提出以来便受到极高的关注，其全新的信号处理理念，给许多领域带来了重大变革。对于ISAR成像，压缩感知理论可以只通过很少的数据来获得高质量图像，这不仅解决了ISAR数据量巨大的难题，还保证系统在数据不完整时依然能够得到高分辨率的图像。本文首先研究了ISAR成像的基本原理，在理想转台模型的基础上对距离-多普勒(R-D)成像算法做了分析，对目前常用的运动补偿技术进行了对比和研究，并将这些技术用于雅克-42飞机的实测数据中。然后，论文系统地论述了压缩感知主体理论，重点对信号重构中的基追踪(BP)算法和正交匹配追踪(OMP)算法进行了深入的研究和讨论，并通过正弦信号的仿真结果验证了两种方法的有效性。最后，论文重点研究了基于压缩感知理论的ISAR成像方法，用于解决ISAR成像时方位向回波数据缺失的问题。论文根据缺失数据是否已经进行了精确的运动补偿，提出了两种基于压缩感知理论的ISAR成像方案，即已完成运动补偿数据的压缩感知ISAR成像方案和未完成运动补偿数据的压缩感知ISAR成像方案。将上述两种方案用于ISAR实测数据，成像结果表明在数据缺失时使用压缩感知方法的成像结果明显优于传统算法。但在散射点在受到干扰或噪声污染时，BP算法和OMP算法均无法约束其强度的降低，致使图像质量下降。为解决这个问题，论文提出将正则化重构算法用于含噪声的雷达回波数据成像，并且结合米格-25战斗机数据的处理结果验证了该算法的优越之处。