多个分布式机载或陆基移动平台上的雷达越来越受到关注,因为它们可以部署在调查事件附近,从而提供显著的感知机会。地面运动目标指示器（GMTI）在存在地杂波和其他干扰源的情况下检测和定位运动目标。利用天线阵列实现空时自适应处理（STAP）是机载雷达杂波消除的经典方法。STAP的挑战之一是目标的最小可检测速度（MDV）是天线阵列基线的函数:基线越大（即波束越窄）,MDV越低。不幸的是,增加均匀线阵列（ULA）的基线需要相应地增加元素的数量。提高雷达分辨率的另一种方法是使用大型但稀疏的随机阵列。随着相对便宜的自主传感载体（如无人机载系统）的激增,是否有可能通过分布式机载平台进行GMTI。实现分布式GMTI的一个主要难题是自主移动传感器的同步。对于距离处理,GMTI处理依赖于阵列接收信号的同步采样,而STAP处理需要时间、频率和相位同步以进行波束形成和干扰消除。分布式传感器具有独立的振荡器,这些振荡器自然不同步,并且每个振荡器都会受到不同的随机相位漂移的影响。每个传感器都有自己的本地振荡器,这与传统阵列不同,传统阵列中所有传感器都连接到同一个本地振荡器。即使调谐到相同的频率,由于相位不稳定性,传感器之间的相位误差将随时间积累。本文提出一种传感器自主运动的分布式STAP应用,跟踪、检测等问题对于这体系结构具有重要意义。第一部分主要研究分布式雷达传感器对多目标的直接跟踪方法。本文介绍了分布式MIMO雷达系统的一个具有挑战性的场景,其中相对简单的移动传感器向融合中心发送观测数据,在融合中心执行大部分基带处理。假定传感器保持时间同步,但不同步相位。分布式传感器定位的传统方法是从接收信号中估计中间参数,例如时延或到达角。随后,这些参数用于推断目标的位置和速度,这些经典的定位技术被称为间接定位。最近,发展了一种新技术,能够直接从信号测量值估计目标位置,而无需中间估计步骤。针对多个运动目标,提出了一种利用分布广泛的运动传感器直接跟踪目标状态参数的算法。论文的第二部分研究了相位噪声对空时自适应处理的影响,特别是对空间处理的影响。相位噪声采用幂律模型,结果表明,需要一个具有多个项的复合模型来正确地模拟相位噪声。证明了相位噪声具有近似线性的运动轨迹,分析了相位噪声对空间处理的影响。仿真结果说明了相位噪声对波束图和接收机工作特性的影响。这就是一个在相干处理间隔上执行空间处理（连同多普勒处理）的STAP应用。