现有的微波凝视关联成像算法主要针对静止目标或者平动目标进行成像,这使得该技术的应用范围受限。现实中,很多的目标对象都有具有复杂的运动形式,所以对运动形态较为复杂的目标的成像具备较高的实用价值。本文在现有的研究背景下研究了目标的旋转,将拥有更加灵活的运动姿态的目标成像纳入凝视关联成像机制内,并进行成像分析和模型建立以及关联成像算法的研究。首先研究了实际场景中常见的网格失配问题,分析了旋转目标的离网格问题对成像性能的影响,寻求有效的网格失配补偿算法。本文将网格偏离引起的辐射场矩阵误差进行差分近似。由于网格误差是由目标散射点位置不在所划分的网格点上,因此目标散射系数和网格误差的稀疏情况相同,近似模型问题可推导为一个块稀疏问题,本文通过基于稀疏贝叶斯框架的块稀疏问题求解方法解决了这个问题。然后研究了匀速旋转目标微波凝视关联成像方法。本文基于旋转目标关联成像模型分析了目标旋转对凝视成像的影响。基于目标的稀疏先验信息,先对目标的旋转速度和旋转中心进行参数的粗估计;再基于最大后验概率的稀疏贝叶斯框架,可以通过两种方法得到更为精确的旋转速度和成像结果。一种将含未知旋转速度量的非线性的回波模型经过泰勒展开为线性形式,采用交替迭代更新精细旋转速度和散射系数的方式求解。另一种将问题转化为块稀疏问题,利用块稀疏算法同时求解目标散射点的旋转速度和散射系数。最后研究了平移+旋转目标微波关联成像方法。对于平移+旋转目标的旋转中心、旋转速度和平移速度信息互相耦合,无法独立估计的难点,利用了基于自适应网格算法和基于粒子群的算法两种不同的全局搜索策略。前者自适应地将精确参数估计的范围聚焦到了恢复结果较好的参数上,当搜索的网格点较多时利用FOCUSS算法进行恢复,加快搜索速度;当所需搜索的网格较少时,使用SBL方法进行稀疏恢复,提升算法的总体抗噪性能。后者将随机初始化的一群三维粒子通过设置与最优解有关的合适的适应度值,根据个体极值、全局极值与粒子当前位置对应的适应度值进行不断更新,最终得到参数可行域内的全局最优解,即为旋转中心、旋转速度、平移速度估计值,并因此得到了对应的反演图像。