低小慢目标具有飞行高度低、运动速度慢、雷达散射面积小等特点,传统的雷达系统和探测技术实现可靠检测和鉴别的难度较大。典型的低小慢目标以微小型无人机为代表,当前在军事及民用领域广泛应用。对微小型无人机的检测与鉴别可以依托其微动特征。微动是目标或目标部件除主体平动之外的小幅振动、转动或高阶运动,反映了目标特有的结构特征,在雷达目标检测和鉴别领域受到广泛关注。利用旋翼的旋转特征作为更精细的雷达特征,可提高检测和鉴别微小型无人机的可靠性。然而,这类低小慢目标检测和鉴别的难点在于将极弱的微动信号从目标主体运动的回波信号以及强杂波信号中分离出来,传统的时频分析理论从复杂的目标回波中估计微动参数还面临一些技术瓶颈。本文以微小型无人机的检测和鉴别为应用背景,围绕微动参数估计问题展开,研究了微动信号模型、微动信号分离和重构、复杂环境下的目标定位和鉴别技术、多通道雷达系统中的微动特征分析等问题。首先,推导了基于理想点散射中心模型和几何绕射理论模型下微小型无人机的回波信号表达式,分析了微多普勒频率调制特征。在几何绕射理论模型中建立了雷达视线角和发射波频率与目标散射特性的联系,并考虑了雷达系统相位噪声、飞行过程中的振动、高斯白噪声等因素对微多普勒调制信号的影响,回波模型更接近于实际的物理场景。第二,实现了基于经验模态分解的微动信号重构。采用经验模态分解算法得到不同频率尺度的本征模态函数,将其局部的极点频率和输入信号各部分频率对应起来,估计主体平动参数,拟合出多普勒信号。然后,从回波中分离出多普勒信号,分别提出掩膜函数算法和稀疏恢复技术从剩余信号的本征模态函数中重构旋翼的微动信号,由此得到的微动频率将作为鉴别微小型无人机的主要标志。第三,基于相关性理论,研究了复杂探测环境下的低小慢目标定位和鉴别技术。由于复杂探测环境下干扰因素很多,课题提出了混合高斯模型对多个连续周期回波的频谱图建模,将无规律的杂波频谱点和静止目标频谱点归为背景区域,前景目标判别为动目标的频谱,并根据霍夫变换提取目标在频谱上的运动特征曲线并估计参数,实现定位。此外,针对场景中与无人机具有共同微动频率的干扰目标,研究了循环相位自相关谱估计目标的微动幅度和频率两个参数,降低这类虚警的影响,增强鉴别的可靠性。第四,针对多通道雷达系统回波模型,研究了多维同步相位压缩变换算法,用于对多通道雷达系统的微小型无人机目标进行鉴别。由于改进的基函数与微多普勒调制项匹配度较高,因此提高了微多普勒信号的时频能量,同时抑制多普勒信号和干扰噪声的分布。另一方面,为了增强抗干扰性能,将辅助噪声多维经验模态分解算法算法结合到多维同步压缩变换算法中,分解出频率较为纯净的微多普勒信号,消除干扰频率曲线的影响,实现了多通道雷达系统中对微小型无人机的鉴别。总之,本文从建立模型、分离重构信号、定位和鉴别、多通道应用等方面对典型低小慢目标:微小型无人机的检测和鉴别进行了系统深入的研究,全面提出了微动信号处理算法并在实测实验中得到了有效验证。本文的研究成果可有效提高对微小型无人机的检测和鉴别性能,对解决低小慢目标的探测难题具有学术价值。