地面运动目标指示（Ground Moving Target Indication,GMTI）技术是合成孔径雷达（Synthetic Aperture Radar,SAR）系统的一个重要研究方向。目前GMTI技术基本上可以实现了对目标区域内检测和成像,但是随着人们对SAR图像高分辨率的要求,目标检测成像后方位向散焦现象以及受杂波影响越来越显著,导致对检测性能产生了很大的影响。因此,本文围绕地面慢速动目标检测,展开了深入的研究,研究内容如下:（1）本文首先介绍了机载SAR成像的基本原理以及多通道SAR系统对静止目标成像的几何模型。在静止目标基础上,进一步分析了SAR对动目标成像的几何模型,推导了动目标回波信号模型,并且在该动目标回波模型的基础上对目标运动产生的问题进行详细的理论分析,主要包括目标运动时产生的方位位置偏移、方位散焦以及距离徙动,最后对该理论分析结果进行了实验的验证。（2）在运动目标回波信号模型的基础上,本文提出了一种基于DPCA-MVIT联合检测地面慢速运动目标的方法,该方法首先通过相位中心偏置天线技术（Displaced Phase Center Antenna,DPCA）对SAR复图像进行对消杂波,消除图像中背景杂波;其次再利用多视干涉技术（Multi-View Interference Technology,MVIT）提取出SAR复图像中的干涉图;再从提取出来的干涉图中计算出目标区域内的每个像素点干涉相位;然后通过相位检测阈值对目标区域的内所有像素点进行逐一检测;最后采用拉东变换（Radon Transform）变换和分数阶傅里叶变换（Fractional Fourier Transform,Fr FT）对目标的运动参数进行估计。本文通过仿真数据进行了验证,结果表明该方法可以有效的检测运动目标。（3）随着对卷积神经网络（Convolutional Neural Network,CNN）研究的深入,本文提出了基于CNN的地面慢速运动目标检测的方法。该算法首先使用距离多普勒算法（Range Doppler Algorithm,RDA）对被测目标的回波信号进行成像;然后将该图像与对应的理想散射点的复图像作为网络训练的数据对;最后待网络训练完成后,将SAR图像输入到CNN网络里面,最后经过网络模型处理消除了杂波背景和噪声,新的SAR图像里面只有运动目标。为了证明该方法可以对运动目标有效的检测成像,本文通过仿真数据进行了验证,结果表明了该方法对运动目标检测成像的效果较好。