微动及微多普勒效应的概念是由美国著名学者Victor C.Chen最早提出来的。目标微动的回波特征具有独一无二的特性，是目标微动的本质属性，它体现了对目标形状、结构和运动的精细描述，为雷达目标的精确身份识别提供了新的依据，并且已经在目标识别分类中展现出明显优势。目前对于轮式和履带式车辆目标的识别是地面目标分类领域的难点之一，随着这些年国内国外众多学者对微多普勒效应研究的不断深入，微多普勒逐渐成为了雷达目标识别领域的一个重要研究方向，也为轮式和履带式车辆的识别开辟了新的思路。因此本文对SAR轮式和履带式车辆微多普勒建模和信号提取及其特征分析进行了研究，主要研究内容如下：首先，分析了雷达中目标运动产生的多普勒效应以及微动产生的微多普勒效应原理。由于微多普勒回波信号属于非平稳信号，因此需要时频分析这一理论分析工具。重点介绍了短时傅里叶变换和Wigner-Ville分布两种方法，随后通过仿真实验比较，分析不同窗函数长度对短时傅里叶变换的影响，以及两种时频分析在处理非平稳信号时的效果。其次，为了能对轮式和履带式车辆进行微多普勒分析，首先需要两者的回波信号。因此本文在SAR理想散射点目标微多普勒模型的基础上，提出并建立了SAR三维微动目标回波信号模型，并通过仿真实验验证了这种模型的正确性。然后根据这一模型，针对轮式和履带式车辆的不同运动方式建立了相应的模型，并得到其回波信号，为下文进行微多普勒信号分解和微多普勒特征分析打下了基础。然后，根据自己构建的轮式和履带式车辆微多普勒回波信号，对轮式和两类履带式车辆进行微多普勒特征分析。由于三类目标在结构上、运动形式上存在差异，这些差异会在目标的微多普勒信号中体现出来，这就为轮式和履带式车辆的分类识别提供了新的思路。通过时频分析的方法结合微多普勒空间分布的结果，对轮式和两类履带式车辆微多普勒信号进行特征分析。通过对目标各个参数的设定，分析了不同参数对目标微多普勒特征的影响。为轮式和履带式车辆的识别提供了依据。最后，针对轮式和履带式车辆回波信号的微多普勒信号提取进行了探索性研究。根据信号处理方法的微多普勒信号分解算法，主要介绍了Chirplet分解和基于AM-LFM(调幅-线性调频)微多普勒信号分解，在原理介绍和算法研究的基础上，通过仿真实验对比了两种方法的效果。随后实现对轮式和履带式车辆典型微动形式回波信号的微多普勒信号提取，实验表明两种方法均能较好地实现微多普勒信号的提取，而调幅-线性调频分解的方法要优于Chirplet分解。