随着隐身技术的发展与广泛应用,战斗机、导弹等军事目标的雷达反射截面积(RCS)锐减,导致目标回波信号十分微弱,给雷达的检测与跟踪带来了极大的挑战。对于传统雷达信号处理算法,其并未完全利用目标回波数据信息,因此有必要基于精细化信号处理的理念,充分利用回波数据中所包含的有用信息,提高对微弱目标检测性能。当前对目标的检测主要包括跟踪前检测(DBT)和检测前跟踪(TBD)两种技术,而在TBD技术的多种实现方法中,基于动态规划的检测前跟踪(DP-TBD)算法有着适用性广,易于实现等特点。基于精细化信号处理的思想,本论文将从DBT算法以及DP-TBD算法两方面分别展开对微弱目标检测的研究。同时,在DP-TBD算法的执行过程中存在着可并行执行的部分,可利用GPU的多线程技术对其进行实现,进而提升算法的执行速度。基于此,论文也将研究DP-TBD算法在GPU上的实现方法。本论文的具体内容包括:首先,为了避免DBT技术在脉冲压缩(PC)过程中采用传统加窗匹配滤波器存在的信噪比损失问题,提高微弱目标检测性能,采用不加窗匹配滤波器的PC处理,但这时PC输出的距离副瓣较高,会带来恒虚警(CFAR)检测处理时弱目标易被邻近强目标所遮掩问题,基于精细化信号处理的理念,利用已检测出的强目标先验信息,提出一种基于压缩感知(CS)的微弱目标检测方法。然后,对基于多帧数据联合处理的DP-TBD算法展开研究。首先对DP-TBD算法中所采用的DP算法的原理及数学模型进行介绍,并给出了单目标DP-TBD算法的原理及实现流程。对于传统DP-TBD算法的不足介绍两种改进DP-TBD算法:针对非均匀杂波背景下目标的检测和跟踪性能大大降低的问题,介绍了一种基于功率归一化的DP-TBD算法;针对目标信噪比过低造成最优估计航迹为虚假航迹可能性增加,介绍了一种基于相邻帧之间方向统计的DP-TBD算法,并对改进算法进行仿真验证。在此基础上,本文又对DP-TBD算法在多目标检测与跟踪中的应用进行了研究,并分别对局部极值法和剔除法两种多目标提取算法给与介绍。最后,对GPU的物理结构和CUDA编程进行介绍,并提出一种基于GPU实现的DP-TBD算法。