毫米波雷达的角度分辨率受限于天线阵列的物理孔径，这一限制在车载与工业成像场景中成为分辨邻近目标的瓶颈。多输入多输出虚拟孔径技术通过发射与接收天线对的组合产生比实际阵元数量更多的虚拟通道，在不增加物理天线数量的前提下等效扩展了阵列孔径。虚拟阵列的合成方式取决于发射与接收天线的排布，不同排布方案对应不同的虚拟阵元位置，直接影响角度分辨率与栅瓣特性。在虚拟孔径的基础上，压缩感知重构算法利用目标在空间域的稀疏分布特性，从欠采样的雷达回波中恢复高分辨率的距离角度像。压缩感知的超分辨能力使雷达系统能够突破瑞利分辨率的限制，在目标密集场景中区分出传统波束形成方法无法分离的邻近目标。
多输入多输出虚拟孔径的合成建立在发射波形正交性的基础之上。各发射天线使用相互正交的波形，接收端通过匹配滤波将各发射信号分离，每对收发天线形成一个虚拟通道。虚拟通道的相位中心位于发射天线与接收天线连线的中点，所有虚拟通道构成的集合定义了虚拟阵列的几何构型。虚拟阵列的孔径由发射阵列与接收阵列的跨度共同决定，而虚拟阵元的总数等于发射天线数与接收天线数的乘积。天线排布设计需要平衡虚拟阵列的覆盖范围与均匀性，发射天线间距与接收天线间距的选择影响虚拟阵元在空间中的分布密度。均匀分布虚列阵元可以获得较低的栅瓣电平，而非均匀分布可以在减少天线数量的同时保持孔径增益，适用于对成本与功耗敏感的成像系统。
压缩感知重构算法的适用条件在于目标场景的稀疏先验。雷达观测场景中的目标数量相对于潜在的分辨单元数量通常是稀疏的，这一稀疏性在距离角度二维空间中更为明显。压缩感知理论表明，如果信号在某个变换域中稀疏，则可以通过远低于奈奎斯特采样率的测量值以高概率恢复原信号。在雷达成像中，压缩感知重构将接收到的测量向量分解为一个感知矩阵与目标散射系数向量的乘积，通过优化算法求解使目标向量稀疏化的解。重构过程要求感知矩阵满足约束等距性或不相干性条件，虚拟孔径设计可以通过优化天线排布来改善感知矩阵的相干性，提高重构质量。感知矩阵的相干性越低，压缩感知重构在低信噪比条件下的稳定性越好。
信噪比提升是压缩感知重构算法在雷达高分辨率成像中的附加收益。传统波束形成对噪声没有抑制作用，每个分辨单元的输出功率包含信号功率与噪声功率两部分。压缩感知重构利用稀疏性先验将噪声分量排除在重构结果之外，输出信噪比得到改善。信噪比提升在低输入信噪比条件下更为显著，压缩感知算法能够检测到传统方法无法识别的微弱目标。信噪比改善的程度与稀疏度以及测量矩阵的相干性有关，目标越稀疏则噪声抑制效果越明显。对于密集目标场景，压缩感知的稀疏性先验不严格成立，信噪比改善幅度减小，此时需要结合多帧积累或空间平滑来补偿。
虚拟孔径与压缩感知的结合效果受到实际系统中非理想因素的制约。收发通道的幅相不一致性会在虚拟阵列中引入误差，导致感知矩阵的实际值与理想值存在偏差。偏差积累到一定程度后，压缩感知重构算法的稀疏恢复质量下降，可能出现虚假目标或漏检。校准方案通过在近场放置参考目标，测量每个收发通道的幅相响应，计算出校准系数。校准过程中的测量噪声会残留部分误差，残留误差对压缩感知重构的影响需要通过感知矩阵的条件数来评估。目标场景中的多径效应使回波信号不再是理想的点散射模型，压缩感知的稀疏表示受到多径分量的干扰，重构结果可能出现伪影。压缩感知重构的计算复杂度限制了其在实时成像系统中的应用。优化算法通过迭代方式求解稀疏约束下的最小化问题，每次迭代涉及矩阵乘法与阈值操作，计算量随虚拟通道数与成像网格点数增加。实时处理需要将压缩感知重构算法映射到并行计算架构上，图形处理器或现场可编程门阵列实现加速。现场可编程门阵列方案通过流水线设计将迭代过程中的矩阵乘法分解为多个并行乘法器单元，处理延迟稳定在固定周期。图形处理器方案利用其大量计算核心并行处理不同成像网格点的稀疏恢复，适合处理较大规模的成像区域。计算精度方面，浮点运算与定点运算的折中影响重构质量与资源占用，定点方案的资源消耗较低但需要仔细设计数据位宽以避免动态范围不足。从多输入多输出虚拟孔径到压缩感知重构，毫米波雷达高分辨率成像的角分辨率与信噪比正在获得系统性的提升，这种提升依赖于孔径合成与稀疏信号处理的协同优化。
