目前雷达对抗的手段越来越丰富,空间动态群目标识别的形势也越来越严峻,对于如何从雷达回波中识别出真实目标的信息是当前亟需解决的问题。对于雷达接收到的混叠信号的处理方法,盲源分离是解决该问题的有效方法,它将若干个未知的源信号经过某种未知的方法混合,然后利用较少的信息将这若干个源信号从混合信号中分离出来。欠定盲源分离属于一种病态问题,可以将它视作一个方程个数少于未知数个数的非齐次线性方程组,该问题的解一般不是唯一的,解决起来更加困难,但是也更加符合实际。目前欠定盲源分离的解决方法主要是稀疏分量分析方法,该方法要求信号是稀疏信号,在估计出混合矩阵之后可以恢复出源信号。本文以空中微动群目标为研究对象,通过以下几个方面来介绍微动群目标的分离方法:第一部分主要介绍盲源分离的研究背景和意义,阐述了目前的研究现状,接着介绍了空中微动目标的模型以及盲源分离的模型和框架,对时频分析进行了深入的研究,最后介绍了分离性能标准。第二部分主要研究的是弹道群目标的欠定盲源分离方法。首先介绍了欠定盲源分离算法中混合矩阵的估计方法,通过时频变换提高信号的稀疏性,介绍了方向幅值比的概念来对信号进行处理,利用聚类算法估计混合矩阵,介绍了该方法的流程并分析了它的局限性;然后介绍了单源点和多源点之间的区别,根据混合信号时频点实虚部的差异性选择单源点,通过密度峰值聚类实现混合矩阵的估计,与上一方法相比,该方法在观测通道上没有限制,因此适合更多不同的场景。在估计出混合矩阵的基础上,对压缩感知理论的模型进行了分析,发现了它与欠定盲源分离模型之间的相似性,将压缩感知理论中信号的重构用到实现欠定盲源分离中的源信号的恢复。第三部分研究了微动无人机群目标的分离方法。根据无人机飞行时旋翼转动的速度不同即周期不相同的特征,可以估计出混合信号中每个目标的周期,然后根据周期的差异性,对混合信号利用分段叠加的方法可以分离出每个源信号,并且分析了不同形态下以及颤动情况下无人机的分离情况。