无人机、滑翔伞等低小慢目标的高速发展给城区安防带来了新的挑战,雷达因具有探测距离远、全天时全天候工作等优点成为探测该类目标的重要工具。在城区复杂场景下对低小慢目标进行探测时,由于雷达目标回波较弱、杂波较强,采用传统的检测与跟踪算法进行处理时,会形成大量虚警,进而影响数据的关联,出现错误关联、航迹中断等情况,导致检测跟踪性能严重下降。针对以上问题,本文对低小慢目标的检测与跟踪算法进行了研究。通过利用目标形状特征、纹理特征及地理信息系统(Geographic Information System,GIS)信息辅助检测与跟踪的方法,提高了复杂场景下低小慢目标的检测跟踪性能。论文的主要研究内容如下:(1)针对低小慢目标的回波幅度、雷达散射截面积(Radar-Cross Section,RCS)、微动等特征稳定性差、提取困难的问题,研究了目标在距离多普勒(Range-Doppler,RD)图中形状特征和纹理特征的提取方法。在RD图中提取特征时需先对图像进行分割,提出了一种基于点迹的分割阈值确定方法,保证弱目标区域能在RD图中被分割出来。基于分割的区域,利用Hu不变矩和包含分割区域最小矩形提取目标的形状特征;利用灰度共生矩阵提取目标的纹理特征。(2)利用目标特征辅助检测时,研究了基于目标特征的虚警抑制方法。利用目标特征辅助跟踪时,研究了利用目标特征向量对量测进行扩维,选取特征相似度最大的候选量测的作为目标量测进行数据关联。最后通过实测数据验证算法的有效性。(3)针对监测场景内强杂波源具有一定地理信息特征的情况,研究了基于GIS信息辅助的检测与跟踪算法。首先通过谷歌地球(Google Earth,GE)软件和雷达回波数据对监测场景内地形进行分类,生成与GIS相关的地形矩阵;并对不同地形区域的雷达回波数据进行杂波分布模型拟合,划分高低杂波区。通过GIS信息筛选参考滑窗内地形相似的样本单元来估计杂波背景功率水平,同时利用GIS信息剔除虚警,提升检测性能。并在高低杂波区采用不同的航迹管理策略,提升跟踪性能。最后通过实测数据验证算法的有效性。