机动目标回波信号的多普勒频率在相干处理时间(Coherent Processing Interval,CPI)内随时间发生变化,即发生多普勒走动,使得传统的空时自适应处理(Space-Time Adaptive Processing,STAP)算法相参积累性能降低,导致机动目标检测与参数估计能力下降。当机动目标的加速度恒定时,其回波信号可视为线性调频(Linear Frequency Modulation,LFM)信号。而采用时频分析方法对加速度恒定的机动目标进行检测和参数估计时需要的脉冲数较多,否则参数估计精度难以满足要求。机载雷达在一个CPI内发射的脉冲数相对较少,当脉冲重复频率一定时,脉冲数较少意味着相干处理时间变短。因此,很难将时频分析方法直接应用到短相干处理时间情况下机载雷达的机动目标检测与参数估计的研究中。针对上述问题,本论文提出的机动目标检测与参数估计方法在短相干处理时间情况下能够获得较高的参数估计精度。论文的主要贡献和创新之处主要有:第一,介绍了机载雷达接收的回波数据模型,通过对多普勒问题的描述推导出机动目标的回波数据模型;第二,提出了一种基于重构信号和时间采样的机动目标检测与参数估计方法,该方法在短相干处理时间情况下仍然可以获得较好的机动目标参数估计结果,参数估计性能更加接近Cramer-Rao下界。第三,提出了一种基于压缩感知和三次相位变换(Cubic Phase Transform,CPT)的低复杂度机动目标参数估计方法,可用小于Nyquist采样定理要求的采样频率对信号进行采样和压缩。在短相干处理时间情况下,该方法不仅能够获得准确的机动目标参数估计结果,而且运算复杂度较低。第四,推导出机动目标参数估计的Cramer-Rao下界,为验证本论文提出算法的有效性提供了理论依据。