超宽带、高分辨、多通道及多目标已成为目前雷达处理技术的主要发展趋势,由此带来了雷达信号处理过程中运算量巨大,数据存储量、传输量急剧上升,实时处理困难等问题,受传统奈奎斯特(Nyquist)采样定理的限制,大数据处理成为传统雷达的一个难以突破的瓶颈。压缩感知雷达由于实现了对雷达数据的直接采样,降低了系统的采样速率和系统复杂度,从而提高系统的分辨率,其在雷达领域有着广阔的应用前景。测量矩阵与稀疏变换基的随机不相关特性是压缩感知雷达正确恢复信号的基础,测量矩阵的好坏既直接关系到信息采集和信息传递的实现,又关系到能否从低维投影中正确恢复原始信号。传统的随机测量矩阵的矩阵存储元素容量巨大,计算复杂度高,并且不是最优的测量矩阵。针对这种情况,为了改善压缩感知雷达目标参数检测和成像性能,本论文研究了MIMO压缩感知雷达测量矩阵优化问题,仿真分析验证了已有的基于最大信噪比准则的测量矩阵优化方法,并提出了一种基于互信息准则的测量矩阵优化方法。文中首先建立了高斯伯努利随机信号模型下MIMO压缩感知雷达成像场景,然后根据信息论和凸优化的理论知识推导了最大互信息与最小互相关系数测量矩阵优化的目标函数和约束条件,并运用优化工具包优化求得测量矩阵,最后用优化所得的测量矩阵观测数据,以SLIM算法重构目标信号实现目标检测和成像。计算机仿真实验验证了基于互信息准则的测量矩阵优化方法能够使得感知矩阵列与列之间的互相关系数更小,从而得到更好的测量矩阵。该方法下的测量矩阵克服了现有的随机性测量矩阵实现困难和确定性测量矩阵恢复精度低的问题,能够有效提高目标重构性能,降低目标重构误差,提高可检测目标性能和成像性能。