近年来,对复杂运动目标的检测和跟踪成为了雷达信号处理领域的前沿课题和紧迫任务。在一个短的雷达信号处理周期内,复杂运动目标可以一阶近似为匀加速度运动目标,其回波模型为线性调频信号。目标机动性将使雷达常规信号处理时,能量在多普勒域发生扩散,目标积累增益降低,分辨性能和信噪比下降,且机动性越大,目标能量越发散,检测性能越差。因此,在信号处理阶段研究对机动目标的径向初速度和加速度参数信息进行估计并提取,对改善机动目标检测和跟踪性能具有重要影响。论文围绕机动目标雷达信号参数估计方法进行了一些探索和研究。首先由匀速运动目标的回波特性推导得出机动目标的回波信号模型,并分析了机动目标加速度的存在对传统谱分析的性能影响,以便进一步研究机动目标雷达信号处理或补偿方法。本文主要介绍了典型的三种常规机动目标参数估计方法:应用最大似然思想的解线性调频法,时频分析方法中分数阶傅里叶变换法和拉冬-魏格纳变换法。首先详细介绍了这些常规方法的基本原理及主要内容;其次通过大量实验仿真并得出了不同参数对各个常规方法性能的影响,同时,简要概述了各方法的适用条件以及不足之处;最后重点分析了这些方法对处理多分量机动目标参数估计中存在的诸多不足以及这些方法的相互转换关系。针对常规方法处理多机动目标存在的局限性,本文结合最新的高分辨压缩感知理论和“分级逼近法”思想,提出了一种高分辨的多机动目标参数估计方法,它是利用CS理论和信号的稀疏特性建立超完备原子库,得到信号在超完备原子库上的分解系数投影,再通过1范数约束条件下的最优化算法和“分级逼近”的频率细化手段进行参数估计。本文简要描述了压缩感知系统的基本理论框架及主要内容,包括信号的稀疏表示、信号的观测采样、信号的重构等,并详细介绍了该方法的设计算法和流程,最后通过大量仿真实验验证了该方法能实现多机动目标的超分辨能力以及超高的参数估计精度。