无人机合成孔径雷达（Unmanned Aerial Vehicle Synthetic Aperture Radar,UAVSAR）是一种以无人机飞行平台为载体的高分辨成像雷达。随着无人机技术的发展和应用,体积小、易操控等优点使多无人机协作成为可能。然而多平台UAV-SAR存在平台之间几何关系不固定、有效采样时间较短的问题,导致传统的地面动目标识别（Ground Moving Target Identification,GMTI）方法不适用于UAV-SAR。基于以上背景,本文研究了UAV-SAR的动目标检测和参数估计的方法。本文所做的主要工作包括:1.针对多无人机SAR杂波抑制的问题,本文提出了基于全变分的张量鲁棒性主成分分析方法（Total Variation Robust Principal Component Analysis,TV-TRPCA）。该方法将多个数据矩阵堆叠成三维张量,利用回波信号中各分量在张量中表现出的数学性质,分离出运动目标回波从而达到杂波抑制的效果。TV-TRPCA算法利用张量结构,克服了RPCA算法分离结果受限于数据矩阵数量的缺点。除此之外,TV-TRPCA算法还突破了如DPCA（Displaced Phase Center Antenna）、ATI（Alongtrack SAR interferometry）等传统多通道杂波抑制算法需要满足几何关系前提的限制。实验结果证明,TV-TPRCA方法实现了对杂波信号的有效抑制,在不同信噪比、信杂比的仿真实验和实测实验下均表现出了优越性。2.针对短时采样的运动目标回波参数估计的问题,本文利用无人机平台回波信号的短时性,在单频复指数信号模型上,提出了基于矩阵束的MP算法（Matrix Pencil,MP）。该方法利用汉克矩阵结构的特性和单频信号的数学性质,将短时运动目标信号参数估计问题转化为汉克矩阵的广义特征值求解问题。该算法克服了传统方法如短时傅里叶变化（Short-time Fourier Transform,STFT）、分数阶傅里叶变化（Fractional Fourier Transform,Fr FT）对多分量信号中数值相近参数的不敏感性。本文研究发现相较于传统的短时信号参数估计普罗尼（PRONY）算法,MP算法降低了运算成本。仿真实验结果验证了MP算法能够对短时运动目标回波进行参数估计,并且相较于传统的短时信号参数估计方法具有优越性。