当实测目标表现为多个强散射点构成的集合体时,往往得到的雷达回波为微动多分量信号。但由每个分量微动产生的微多普勒特征则暗含了各自部件的结构和运动细节等信息。因此多分量信号分离是利用微多普勒特征进行运动意图判别以及目标精细特征刻画的前提。本文基于构建的统一微多普勒多分量雷达回波模型,分别实现了非规则调频、部分数据缺失和弱微动等复杂情况下的雷达微动多分量信号分离算法研究。主要工作如下:（1）针对包含微动部件的多分量复合信号分离问题,提出了一种微动部件回波稀疏—增强分解算法。通过对包含微动部件的非刚体目标回波分析,统一形成复合信号回波模型,并在频域、时频域分析了该复合信号的时变性和周期调制特性,并研究了基于形态成分分析的目标主体部件和微动部件回波分离的方法。实测表明该方法实现简单,得到的微动目标回波信号信噪比高、微动调制特性明显。（2）针对非规则调频多分量微多普勒信号分离问题,提出了短时变分模态分解算法。该算法基于微多普勒信号的短时平稳性,利用带宽最小化约束,通过迭代分解实现最优问题求解。同时提出了基于时频变换及交叉点处理的优化改进模型,以解决时频重叠情况下多分量分离问题。该方法在低信噪比环境下,即使对时频谱幅度起伏较大的不规则调频信号也具有良好的适应性。（3）针对部分数据缺失下多分量微多普勒信号分离问题,提出了扩展变分非线性调频模态分解算法。该方法可以将微多普勒频率历程不完整的多分量信号分解为多个带限模态信号,能够有效地稀疏重建出每个分量的微多普勒历程。同时,该方法可以看作是一个能同时提取所有分量的时频滤波器组,并在低信噪比环境下,较好地兼顾了重建信号的完整性和准确性。（4）针对弱微动多分量微多普勒信号分离问题,面向人体生理特征,提出一种高精度的心脏活动感知技术。该技术首次利用半物理仿真模型,深入分析了多普勒雷达探测下人体生理信号的特征,并借助于带通滤波器有效地实现了呼吸与心跳信号的分离。在此基础上,提出一种基于单波段频率包络图特征的解码峰值检测算法,以实现心跳间隔估计和心率变异性分析。此外,研究了利用隐半马尔可夫模型实现带通滤波雷达信号分割的方法,完成了心脏活动过程中关键时序点检测,（该时刻点相当于心电图中R峰和T波结束的位置）。该技术作为一种新的简单、有效、高精度的解决方案,验证了雷达信号与心脏活动的高度一致性。不同的方法适用于不同的问题。本文致力于不同复杂环境下雷达微动目标多分量信号分离算法,对后续目标的分类识别、生理信号监测等方面具有重要的应用价值。