目标微动是对目标或目标部件的微小运动状态的精细描述,微动特性细微而多变,需要敏锐地捕捉和识别。雷达目标微动特征研究是近十多年来国内外遥感学术界和工程界的一个研究热点,运用微多普勒信息进行目标分类、鉴别和识别被认为是极具潜力的技术手段。本文系统研究了雷达目标微动特征提取与参数估计技术,阐述其回波调制及特征分析,深入研究了基于时频分析和基于时频原子的两大类微动参数估计方法,并针对多分量微多普勒信号分解的问题进行了研究。开展的工作和取得的成果主要包括如下几方面:（1）基于雷达目标微动和微多普勒的内涵本质,揭示了微动对电磁波的调制模型,给出了微多普勒分析的理论模型和特征提取的流程。在振动和转动等典型目标微动模型的基础上建立统一的微动目标模型,包括微动目标的运动模型和雷达回波信号模型,并进行了微动目标雷达特征描述和微多普勒特征分析;重点剖析了微多普勒雷达关键技术和微多普勒信号处理方法,并分析其局限性,为后续的针对性研究提供参考基础和指导思路。（2）对传统的时频分析方法进行了分析和比较,进一步研究在低信噪比下和强干扰情况下的微多普勒运动特征参数估计算法。针对现有时频分析方法的不足,进行了改进,并形成了时频分析方法的技术流程:一是基于自适应径向墨西哥草帽核时频分布进行微多普勒特征表示,二是提出基于时频域柱状图分析的微多普勒分量提取算法,有效将微多普勒分量与刚体主体信号分量进行分离,目的是实现目标的无干扰成像,三是针对多个微动目标回波中存在的强目标掩盖弱目标的问题,提出了增强型归一化逆Radon变换的微多普勒特征增强方法,四是提出联合时频分析的方法,将交叉Wigner-Ville分布与Choi-Williams分布进行Hadamard运算,然后通过峰值检测法获得时频参数,以此来提高瞬时频率的估计精度。（3）实际的雷达回波中,不仅包含目标主体和微动部件的信号,而且还会受到各种噪声信号的干扰,而噪声在和微动信号在回波中往往混叠在一起难以区分,因此如何将感兴趣的微多普勒信号从目标主体平动和噪声中提取出来,需要对信号进行分离。针对微动对电磁波的调制机理——“多分量调幅调频特性”,基于Chirplet变换和改进Chirplet时频原子的微多普勒信号分解方法并非是最优的。为了改善对信号时频分布中的正弦弯曲描述性能,本文提出正弦调频（Sinusoidal Frequency Modulation,Sin FM）原子来提高正弦调频信号的分解能力,以更好地契合时频域中微多普勒的正弦变化曲线。在信号分解时,传统的遗传算法受到局部最优的困扰,本文引入匹配寻踪稀疏分解算法与优化遗传算法（MP-OGA）相结合的方法优化分解过程,不仅提高了分解的速度,还降低了计算量,极大地改善了原子自适应搜索过程以及对信号的分解性能。理论分析表明,Sin FM原子优于其它类型的原子,能有效地提高正弦调频（Sinusoidal Frequency Modulation,SFM）信号的分解能力。结合MP-OGA（Matched Pursuit-Optimized Genetic Algorithm）方法,可以更好地用于信号分解和重构中,并将其应用于微多普勒信号的提取。通过对比实验和实测验证,本文方法高效地实现了微多普勒信号的分离和提取。（4）多目标微动信号的分离和提取是课题的难点之一,由于多分量微多普勒信号实质上是多分量正弦调频信号,可以通过Hilbert–Huang变换（Hilbert Huang transform,HHT）方法获取其瞬时频率估计。针对HHT变换方法在处理多分量微多普勒信号时存在难以识别和分解频率相近信号分量的问题,提出了基于HHT变换和解析模态分解法（Analytical Mode Decomposition,AMD）的HHT-AMD多分量微多普勒信号分解方法。首先对信号进行经验模态分解（EMD）,通过HHT变换得到Hilbert-Huang谱和边际谱。如果分解后的信号中存在频率混叠,则采用AMD方法分离出近频分量。与传统的HHT方法相比,该方法能够得到正确分解出信号中的所有分量。通过模拟雷达回波和人体回波的实验,验证了该方法的有效性和适用性。