合成孔径雷达（Synthetic aperture radar,SAR）是一种可对静止目标场景实现高分辨成像的主动探测系统,视频SAR是在常规SAR基础上发展出的一种新型SAR成像模式,能通过对目标区域的持续观测,获得一系列高分辨率、高帧率的SAR图像序列,形成类似视频的高清影像以再现场景的动态信息,在对地面机动目标的检测、识别、跟踪上显示出巨大的应用潜力。视频SAR系统的理想状态是在载机平台上完成雷达回波的高帧率、高分辨率处理,同时支持动目标检测功能,以获取观测区域的实时动态信息。目前视频SAR方面公开的研究资料多着重于成像算法,鲜有对视频SAR实时成像处理实现方案的详细讨论,并且仍然缺乏高效的动目标自动检测技术研究。因此,在视频SAR领域中有两大亟待解决的关键问题:一是研制出高效的实时成像软硬件系统,以获取连续高清的SAR图像序列,实时观测动态场景;二是探索高效的动目标检测方法,从连续输出的视频图像序列中检测并定位动目标,这是战场侦察、高精度制导中实现目标高实时性定位、打击指引的基础。针对以上问题,本文主要研究内容如下:1、视频SAR成像方案构建及验证:对视频SAR回波信号建模,在此几何模型基础上推导视频SAR成像参数,分析其基本成像原理,并构建了一套系统成像方案,包括改进的极坐标格式算法、相位梯度自聚焦算法和几何失真校正算法,模拟点目标回波和实测数据的计算机地面处理结果验证了本文成像方案的可行性。2、基于FPGA的视频SAR高分辨率地面回放系统设计:搭建了一套视频SAR地面回放成像系统,包含完整的数据传输、成像、自聚焦、几何失真校正处理以及显示界面,通过对载机飞行过程中采集至闪存（FLASH）中的实测原始数据进行逐帧提取,在地面完成高分辨率、高帧率的视频SAR回放成像。经实测数据验证可以在1s内完成一帧16K×2K原始数据处理,并输出4K×2K图像,证明了其未来应用于机载视频SAR实时处理系统的潜力。3、基于深度学习的视频SAR动目标检测技术:基于动目标散焦所形成的轨迹,提出一种结合K-means和鲁棒主成分分析（Robust principal component analysis,RPCA）算法的深度学习视频SAR动目标检测方法。实验结果显示,该方法通过K-means聚类对区域提议参考框（Anchor）进行优化,并加入RPCA算法分离出前景图像训练,显著改善了动目标漏警、虚警以及检测轨迹定位不准确的问题,可以实现高精度的视频SAR动目标检测。本文对视频SAR实时成像进行了深入研究,并对动目标检测提出了创新性方法,具有广阔的应用前景,为未来视频SAR成像和动目标检测的工程化实现提供了有价值的参考。