近年来,利用雷达目标的微动产生的微多普勒效应来对目标进行检测和参数估计受到雷达界广泛的关注。由于目标微动产生的微多普勒效应可以反映目标的运动状态、尺寸、形状等大量信息,且这种特征具有“唯一性”,这为雷达目标的特征提取和参数估计提供了有效途径。本文利用无人机目标在飞行过程中,旋翼叶片的高速旋转产生的独特微多普勒效应,实现对无人机目标检测与参数估计的方法研究,并使用Ku波段的线性调频连续波雷达系统采集小型无人机的现场实验数据,对其进行处理并提取微多普勒特征,将结果与理论仿真进行对比分析。首先,分析了目标微动对雷达回波的调制作用和产生微多普勒效应的原理。在刚体运动模型的基础上,建立了多旋翼无人机的运动模型,推导了线性调频连续波(Linear Frequency Modulated Continuous Wave,LFMCW)雷达的无人机目标回波的数学表达式,完成LFMCW信号处理方法研究,并对旋翼的微多普勒特性进行分析。然后,研究了基于LFMCW雷达的恒虚警概率(Constant False-Alarm Rate,CFAR)检测方法,分别对距离维和多普勒维的回波谱进行CFAR检测,为减少杂波的影响,研究了基于LFMCW雷达的动目标显示(Moving Target Indication,MTI)的检测方法。最后,利用联合时频分析技术研究了多旋翼无人机目标的微多普勒特征提取和参数估计的方法。对目标回波的时频谱进行分析,实现参数估计。针对联合时频方法对微多普勒强度、信噪比要求较高的弱点,研究了对无人机雷达回波信号的集经验模态分解(Empirical Mode Decomposition,EMD)方法,通过对雷达回波进行EMD后分解出的本征模态函数(Intrinsic Mode Functions,IMFs)分量进行分析,找到无人机叶片转速、叶片数目与IMFs分量中闪烁次数的关系,针对雷达调频周期过大而造成频谱混叠的情况下,提出了基于雷达回波谱的参数估计方法,结合EMD的方法,实现对无人机的参数的进一步估计。