雷达成像技术自提出以来发展至今，其主要的理论基础仍然是匹配滤波。匹配滤波方法的局限是必须根据Shannon-Nyquist采样定理对信号进行采样并且成像分辨率受限于系统带宽。《压缩感知雷达成像》将从更一般的数学角度来理解雷达成像，对雷达成像问题建立统一的数学框架，在该框架下解释最小二乘方法、匹配滤波方法、正则化方法、贝叶斯最大后验概率估计方法以及压缩感知方法，并分析和比较这些方法的联系和差异。与传统匹配滤波成像方法相比，压缩感知方法由于利用了稀疏性这个先验信息，可用少量的观测数据得到更好的成像结果。将压缩感知理论引入到雷达成像中，可突破传统匹配滤波成像方法和成像系统的诸多局限。《压缩感知雷达成像》主要介绍压缩感知方法应用于雷达成像所遇到的若干问题，包括稀疏采样体制、快速重建方法、杂波环境下稀疏目标重建、模型误差补偿、场景稀疏表示等。