在雷达目标的探测中,除了目标质心的平动之外,通常还存在着目标本身或其部分结构的微动,包括振动、转动、翻滚或进动之类的小幅运动,这种现象叫做雷达目标的微多普勒效应。雷达目标的微多普勒特征是目标运动的一种独特特征,它为目标的运动提供了精细的描述,因此,自从雷达目标的微多普勒效应被发现以来,目标的微动特性逐渐广泛地应用于目标识别、检测和分类等领域。现如今,雷达目标微动信号的检测、分离、参数估计以及特征提取等技术已成为雷达学术界的研究热点。对于微多普勒曲线的提取问题,近几年已经有了大量的研究成果,但是现有的雷达目标微多普勒曲线的提取方法,包括Hough变换和逆Radon变换等,都存在着运算量较大的问题。另外,在低信噪比的情况下,如何对雷达弱目标进行微动特征的提取一直是研究中的一个难点,传统的一些方法,例如基于时频变换的微多普勒曲线提取与参数估计方法,在低信噪比的情况下通常无法得到较好的结果。本文研究了雷达目标的微动特征和微多普勒曲线的提取方法,内容主要包括以下三个部分:首先,本文对国内外微多普勒效应和弱目标检测前跟踪技术的研究现状、论文的研究背景和主要工作进行介绍,然后阐述了多普勒和微多普勒效应的概念,介绍了运动物体的电磁散射原理,并对振动、旋转等基本形式的微动产生的微多普勒效应进行数学建模。其次,本文研究了微多普勒特征的提取方法,包括两种基本的时频分析方法——短时傅里叶变换(STFT)和魏格纳分布(WVD),以及基于逆Radon变换的微多普勒特征提取方法,介绍算法的原理和步骤,并进行仿真实验。由于在雷达信号处理中,快速旋转,振动或振荡的部分反射信号是以正弦调频信号的形式引起微多普勒效应的,因此在本文中,将微多普勒曲线简化为正弦曲线的形式进行仿真实验。实验证明逆Radon变换是一种可以准确且有效地进行参数估计和正弦调频信号分解的方法,可以对多个分量的微多普勒特征进行提取。最后,针对现有的微多普勒曲线提取方法所存在的一些问题,包括低信噪比条件下已有的微多普勒曲线提取方法效果较差,以及多分量微多普勒特征提取算法,如逆Radon变换等方法计算量较大的问题,本文结合检测前跟踪技术中的一种低信噪比条件下多目标跟踪算法——直方图概率多假设跟踪算法,提出一种新的微多普勒曲线提取方法。在实验过程中,首先使用该算法对匀速直线运动的目标进行跟踪仿真,再由线性扩展到非线性,通过非线性观测模型得到微多普勒曲线的时频图,将时频图看作平稳随机过程的观测直方图,对整个图中的观测点用离散多项式分布建模,将所有分辨单元内的总观测点数与目标和噪声模型进行概率关联分配,然后通过EM算法实现多目标模型参数的最大似然估计,最后实现对多条微多普勒曲线的分离。为了方便对该算法的研究,文中将微多普勒曲线的模型简化为相交的正弦曲线的形式。该算法可以证明是一种既能同时提取多条曲线,又能有效减少计算复杂度的方法。