تصویربرداری مایکروویو توسط بسیاری از محققین مورد توجه قرار گرفته و در طول چند دهه اخیر توسعه داده شده است. تصویربرداری مایکروویو یک مساله پراکندگی معکوس بوده و روشهایی که برای حل مسائل پراکندگی معکوس به کار می روند را می توان به دو دسته کلی روش های خطی و غیرخطی تقسیم نمود. روشهای پراکندگی معکوس غیرخطی، قادر به بازسازی کمی اهداف می باشند ولی به علت محاسبات زیاد، کاربرد آنها در سیستم های عملی با محدودیت روبروست. اخیراً روشهای پراکندگی معکوس خطی مبتنی بر پردازش زیر فضا مانند روش music جهت حل مشکلات الگوریتم های غیرخطی پیشنهاد شده اند. روش music قادر به موقعیت یابی اهداف از روی نقاط قله طیف شناخته شده می باشد. برای تشکیل این طیف، تعداد اهداف می بایست از قبل معین باشد. حضور نویز باعث بوجود آمدن ابهام جهت تعیین تعداد اهداف می شود. در این رساله، یک روش تحلیلی جهت تخمین موقعیت و تعداد هدف های با ابعاد کوچک در مسائل تصویربرداری 2 بعدی ارائه شده است. در این روش در مرحله اول، از الگوریتم music استفاده شده و تمام موقعیت های ممکن برای اهداف بدست می آید و در مرحله بعد، با به کار بردن یک فرمول تحلیلی که مانند یک فیلتر مکانی عمل می کند، هدف های واقعی از هدف های مجازی جدا می شوند. نتایج شبیه سازی ها قابلیت روش پیشنهادی را به اثبات می رساند. الگوریتم music بر اساس تجزیه svd ماتریس msrکار می کند و این ماتریس در سیستم های واقعی تصویربرداری مایکروویو کامل نمی باشد. در این رساله، روشی جهت تکمیل داده های ماتریس msr اندازه گیری شده از سیستم های عملی پیشنهاد شده است. در این روش، به کمک روش تخمین حداقل مربعات، داده های نامعین ماتریس msr تخمین زده شده و ماتریس کامل msr (cmsr) شکل می گیرد. داده های نامعین ماتریس msr مربوط به سیگنال در گیرنده های غیرفعال به ازای هر فرستنده فعال می باشد. روش پیشنهادی با استفاده از داده عملی موسسه fresnel مورد آزمایش قرار گرفته و همچنین به ازای داده های مختلف شبیه سازی شده مشابه داده واقعی، تست و آزمایش شده است.