常规时域成像算法存在运算量过大的缺点,需要通过子孔径划分和图像融合加快成像速度,如FBP算法和FFBP算法。然而大多数关于时域成像算法快速化的研究都是针对聚束SAR模式,在条带模式下应用FFBP算法仍存在积分孔径选择和角域过采样等问题;而在高速机动飞行条件下对SAR图像进行动目标检测的时候,常用的对称多普勒视图对消方法中存在视图间失配的问题。针对以上问题,本论文主要对条带SAR模式下的FFBP算法和高速机动飞行条件下的复图像域动目标提取算法进行了研究。本论文首先介绍了常规的BP成像算法以及改进的FBP算法和FFBP算法。通过对比计算量和处理结果,选择相对更优的FFBP算法进行成像,并研究了基于FFBP的条带SAR处理方法。首先给出条带SAR的信号模型,分析FFBP算法直接应用于条带SAR时存在的问题,包括无效积分的影响和角域过采样导致的运算量增加。针对这些问题,分别通过积分孔径选择和图像重叠法,实现了条带SAR模式下的FFBP算法。并从波数域角度分析了条带SAR局部图像和全孔径图像的关系,给出了合适的子孔径处理长度。该方法在充分利用FFBP算法运算效率优势的同时又保证了像素点积分孔径的完整性。最后通过仿真验证该方法处理条带SAR数据的有效性。时域成像算法主要针对静止目标进行成像,而场景中存在的运动目标同样值得研究。针对高速机动飞行条件下对称视图对消方法中存在的像素误差问题,本文提出一种基于对称多普勒对消的波数域自适应处理方法。相比现有的联合像素自适应处理(SDP)方法,在保证动目标提取性能的同时,大幅提升运算效率。本章首先研究了动目标信号模型,介绍对称多普勒视图对消方法的基本原理,并详细分析该方法在高速机动飞行条件下存在的图像匹配问题。用SDP方法代替视图对消方法,能够避免像素误差对动目标提取效果的影响。为了解决SDP方法运算量过大的缺点,本文提出一种新的波数域自适应处理方法,运算效率高于SDP方法且适用于不同的图像失配场景。经过理论分析和多次实验,验证了该方法相对于SDP方法的性能优势。