面对现代战争中微弱目标以及密集机动目标的威胁，如何提高对微弱目标的检测能力以及对密集机动目标的跟踪能力成为现代雷达系统中信号处理和数据处理的一项极其重要而严峻的使命。本文重点对信号处理中的微弱目标检测技术以及数据处理中的密集机动目标跟踪技术进行了深入的研究。论文的主要研究工作如下：1、研究分析了基于Keystone变换的长时间相参积累技术以及基于动态规划的检测前跟踪（DP-TBD）技术，并对这两种技术进行了详细的仿真分析。2、针对DP-TBD算法跟踪性能差，分别采用Hough变换和方向加权对DP-TBD算法进行改进，得到了基于Hough变换的DP-TBD改进算法和基于方向加权的DP-TBD改进算法。并通过仿真试验证明了这两种改进算法能够有效的去除由于能量扩散产生的虚假航迹。同时在将基于Keystone变换的长时间相参积累技术与基于方向加权的DP-TBD改进算法相结合的基础上，提出了基于Keystone变换与加权DP的雷达微弱目标检测方法，该方法不仅能够校正由于长时间相参积累或目标高径向运动产生的距离走动，而且在目标回波出现9个距离单元走动的情况下其检测性能相比传统的单帧CFAR检测提高了接近20dB。3、在研究分析概率数据关联（PDA）算法、交互式多模型（IMM）算法以及将PDA与IMM算法有效合的联合交互式多模型概率数据关联（C-IMMPDA）算法的基础上，通过考虑公共回波对关联概率的影响，引入影响因子来对C-IMMPDA算法中的关联概率进行修正，从而提出了一种改进的联合交互式多模型概率数据关联算法（IC-IMMPDA），该算法在目标密集或交叉的环境下，其跟踪性能均优于C-IMMPDA算法，并且算法的计算量较小，在实际工程中具有较大的应用价值。4、在基于Windows的开发环境下，采用面向对象的设计方法，将IC-IMMPDA算法成功应用于雷达仿真系统软件中，并取得了良好的跟踪效果。