近年来无人机市场迅速发展,由于其操作简单,监管规章和监管手段却没有得以完善,无人机的滥用对公共安全和公民权益造成了威胁。为此构建反无人机体系是合理且有必要的,而探测、识别和跟踪是反无人机体系的重要组成。相比光电等探测手段,雷达系统具有全天时、全天候而且受到气候、环境的影响小,适合铺设后自动监管的广泛应用。而雷达体制中,线性调频连续波雷达结构简单、分辨率高具有优良的可探测距离,适合作为低小慢目标探测雷达。目前多旋翼无人机是市场中应用最广泛的类型,其通过旋翼旋转为飞行提供动力,旋翼旋转在雷达信号回波中就会产生微多普勒效应,从而可以基于微多普勒效应进行无人机检测识别。而在空中“低小慢”目标中,最常和无人机造成误判的是空中飞鸟,因此也要对鸟类目标加以考虑分析,对鸟类的微多普勒效应和无人机的加以区分。本文首先基于无人机和鸟类的外形结构,建立无人机和鸟类各自的运动模型,由于微多普勒特性是目标微运动在雷达回波中的特性体现。而无人机和鸟类各自的微运动指的就是他们各自相对主体的旋翼转动和翅膀扇动,显然其都具备周期性,所以在后续工作中可以对此进行提取。随后针对线性调频连续波雷达,推导多旋翼无人机和鸟类的雷达回波,并对回波模型进行时频分析,提取回波模型中的微多普勒特性。基于微多普勒特性的区别,基于逆约当（Inverse Radon Transform）变换对悬停无人机和鸟类进行识别,并在识别为无人机目标后,对无人机旋翼参数进行估计与威胁判断。然后,通过目标识别后的点迹对无人机点迹进行航迹关联,结合交互式多模型算法和联合概率数据关联算法,建立单目标和多目标的跟踪方法,并且和识别算法相结合,进行点迹的删选,避免了非目标的跟踪引入的误差和航迹断裂等问题。最后,由于多旋翼无人机在非悬停或上升阶段会有不同旋翼转速不一致的问题,自相关算法得到的旋翼转速会有较大误差,或仅能代表其中一到两个旋翼叶片转速,代入此时的估计转速做参数估计会有较大误差,因此需要对机动多旋翼的检测算法进行优化,解决机动目标检测率低,参数估计误差大的问题。