微波凝视关联成像技术可以突破天线孔径限制,对目标实现超分辨成像,有效弥补了 SAR/ISAR雷达的不足。对于呈现块稀疏分布的成像场景,现有的关联成像算法常采用固定的耦合常数进行建模,在复杂场景下的重构效果不尽人意。本文对传统块稀疏目标重构算法进行改进,在优化重构算法的耦合建模方法、计算复杂度以及收敛速度三个方面进行了研究,并在赛灵思提供的可编程ZYNQ平台（ZYNQ-7000 All Programmable SoC）进行了算法部署。论文研究内容如下:首先,传统算法中基于预设常数的耦合关系描述方法限制了耦合建模的灵活性,因此本文提出一种基于二维可变耦合的稀疏贝叶斯重构算法。通过将预设的耦合系数设置为可调超参数,所提算法在中心散射点与其二维尺度的邻居元素间建立了动态的耦合关系,提升了模型的灵活性。仿真实验表明所提算法具有更低的重构误差。其次,传统块稀疏重构算法中的协方差矩阵求逆带来了巨大的计算量,因此本文提出一种低复杂度的二维可变耦合块稀疏重构算法。所提方法借助Lipschitz引理规避了矩阵求逆步骤,有效降低了计算复杂度,并通过引入二维可变耦合机制进一步降低了重构误差。最后在ZYNQ平台对所提算法进行了部署,为关联成像装备的工程化和集成化提供了一种可行途径。最后,传统稀疏贝叶斯重构算法中的耦合建模使算法无法获得解析解,在低信噪比下收敛速度大幅恶化,因此本文提出一种基于深度学习的块稀疏重构网络。在保留二维可变耦合机制的基础上,基于深度展开技术搭建的网络将传统算法中的预设耦合常数设置为可学习参数,并通过训练对其进行调整。仿真实验表明,与传统方法相比,收敛速度得到明显改善。