机载合成孔径雷达（Airborne Synthetic Aperture Radar,SAR）能够实现动目标和背景的高分辨率成像,已被广泛应用于海洋、交通控制和战场监视等领域。机载SAR往往处于下视观测状态,雷达接收机无可避免的被混入大量地杂波。同时机载平台运动所导致的多普勒扩展现象,往往使弱/慢目标被杂波主瓣所淹没,严重影响动目标检测性能。此外,实际应用中受阵元缺失、数据闪失等因素导致的空时采样缺失问题使目标检测性能进一步恶化。因此,利用鲁棒主成分分析（Robust Principal Component Analysis,RPCA）方法能够解析样本深层低秩信息的特点,研究空时二维数据缺失下的低秩动目标快速检测方法具有重要意义。本文围绕机载多通道SAR实际动目标检测中面临的阵元缺失、数据损失和实时性差等难题进行研究。主要工作内容总结如下:1)针对阵元缺失问题提出了一种基于CUR-RPCA的动目标检测方法。该方法首先在传统利用RPCA方法分离杂波与动目标的基础上,通过寻求一投影空间构造抽取的部分关键含缺失数据的矩阵与未缺失数据的矩阵间的等价约束;以及采用CUR分解建立部分关键数据矩阵与补全后完整回波信号的等式约束,不但提高了阵元缺失下杂波的抑制性能,而且由于CUR分解逆运算的应用,仅通过补全部分关键数据就实现了全部缺失数据的补全,弥补了传统矩阵补全方法计算效率低的问题。随后,利用仿真与实测数据验证了所提CUR-RPCA的有效性。2)针对空时采样同时缺失问题提出了一种基于TSCUR-RPCA的动目标检测方法。此时,回波数据将不再呈现出单维度数据缺失的特点。因此,仍使用CUR-RPCA方法,通过级联方式分别对空、时两维数据补全不但大大降低方法的计算效率,而且部分空时耦合数据会面临着补全冗余的问题。为此,所提方法对CUR-RPCA方法进行改进,通过补全空时两维联合核心矩阵,完成数据恢复过程的二维扩展,即同时对空时维的部分关键节点进行数据恢复。与此同时,由于空时两维联合核心矩阵是一满秩矩阵,所以所提方法还能够有效缓解传统补全方法受机载SAR时间维维数远大于空间通道数引起的复杂度高的问题。最后,利用仿真和实测数据说明了TSCUR-RPCA的有效性。3)针对在大规模数据时,受小型化平台载重和大小的限制与快速实时的探测需求,平台所搭载的信号处理机往往难以实现多维非凸优化问题（TSCUR-RPCA方法）的快速求解。针对这一问题,本人提出了一种基于AMP-RPCA的快速动目标检测方法。该方法在RPCA优化问题的求解过程中引入近似消息传递（Approximate Message Passing,AMP）理论,将原本复杂的联合优化求解问题转化为多个局部观测概率密度函数的低复杂度拟合,从而制定各节点间近似消息传递的节点更新规则。通过并行求解局部节点的消息,实现杂波的高效抑制和数据的快速补全。最后综合仿真和实测数据证实了AMP-RPCA方法优越的动目标检测性能和高计算效率。