基于雷达的微动目标探测能够分析因人体呼吸、心跳等微动形成的多普勒效应,从而实现对目标的检测与参数估计。该项技术在反恐活动、灾害救援以及医疗监护等领域都具有巨大的应用价值,是国内外研究的前沿热点。传统单视角的微动目标探测受限于其信息来源的单一性,通常难以在复杂环境中获得探测区域内所有目标的信息。而利用分布式雷达系统,就可以从多个视角对目标进行探测,通过对多节点的数据进行融合,从而在复杂环境中获得更加全面的目标信息。本论文依据从单视角探测逐步深入到多视角探测的思路,在微动目标的位置参数估计和频率参数估计两个方面开展了以下研究工作:1、在单视角的微动目标距离估计中,针对传统算法难以检测遮挡目标的问题,提出了一种基于自适应相关熵的算法来实现对弱目标的自适应增强,有效提升了对遮挡目标的检测能力。2、在多视角的微动目标位置估计中,针对传统基于单一逻辑的融合算法成像效果不佳的问题,首先研究了基于连通域的图像融合算法,有效改善了融合后的成像质量。随后又结合微动目标的重要特征“微动频率”,进一步研究了基于频率加权的图像融合算法,有效改善了现有多种图像融合算法在微动目标检测中所存在的假目标干扰问题。3、在单视角的微动目标频率估计中,研究了基于包络提取的时频分析算法,通过对微动目标的多普勒频率进行分析,有效解决了传统傅里叶变换算法受雷达载频制约的问题。4、在多视角的微动目标频率估计中,将雷达与目标运动方向的夹角因素考虑在内,改进了传统的目标微动模型。通过对该模型的分析给出了三种频率融合的方法:算术平均法、多普勒频率选大法和多普勒频率加权平均法。理论分析证明这些方法可以有效减小微动目标频率估计误差的方差,从而提升频率估计的准确性和鲁棒性。以上微动目标检测与参数估计算法,均已通过实测数据验证,被证实能够在单或多个静止人体目标的实际场景使用,并取得相比传统算法更好的效果。