雷达最基本的用途是对一种物体或现象进行检测。然而在现代战场上,隐身飞机、反辐射导弹和无人机等目标的雷达截面积（Radar Cross Section,RCS）比较小,从而导致目标回波信噪比（Signal to Noise Ratio,SNR）较低而难以被检测。一般情形下,长时间积累（包括单帧长时间相参积累和多帧非相参积累）可有效提高目标回波SNR,进而改善雷达对微弱目标（低SNR目标）的探测性能。然而当目标速度较大、机动性较强时,单帧长时间相参积累会使目标回波面临距离徙动（Range migration,RM）与多普勒频率徙动（Doppler frequency migration,DFM）问题,从而导致传统的长时间相参积累方法失效。虽然多帧非相参积累一般无需考虑RM和DFM问题,但该处理方法在雷达实际应用中也会面临很多挑战,如巨大计算量和复杂门限设置等,因此如何提高雷达对微弱目标信号的探测能力是本论文致力研究的课题。本文主要针对单帧长时间相参积累方法和多帧非相参积累方法中存在的问题展开研究。具体工作和研究成果总结如下:1)以匀加速运动目标为研究对象,针对单帧长时间相参积累过程中目标速度和加速度分别引起的RM和DFM问题,提出了一种基于Keystone变换（Keystone Transform,KT）和共轭时间反转变换（Conjugate Time Reversing Transform,CTRT）的相参积累算法。该算法首先利用KT有效校正RM,然后结合CTRT消除DFM影响,最后通过傅里叶变换（Fourier Transform,FT）实现目标能量的相参积累。该算法无需参数搜索便能快速实现目标回波能量的相参积累,从而提高雷达对目标信号的检测性能。相关的仿真和实测数据结果均验证了该算法的有效性。2)以变加速运动目标为研究对象,针对单帧长时间相参积累过程中目标速度、加速度及加速度变化率分别引起的RM、第一类DFM和第二类DFM问题,提出了一种基于短时傅里叶变换（Short-time Fourier Transform,STFT）和三次相位函数（Cubic Phase Function,CPF）的相参积累算法。该算法首先通过STFT构造RM补偿函数来补偿RM,然后利用CPF估计目标加速度和加速度变化率,进而完成对所有DFM的补偿,最后通过FT实现目标能量的相参积累。STFT处理不仅有利于雷达对同距离元多目标的检测,而且能有效提高CPF处理前的回波SNR,进而改善雷达对低SNR的检测性能。另外,CPF处理将目标加速度和加速度变化率二维搜索问题转换为两次一维搜索问题,有效降低了算法复杂度。相关的仿真和实测数据结果均验证了该算法的有效性。3)以弱机动目标为研究对象,针对多帧非相参积累方法中传统动态规划检测前跟踪（Dynamic Programing based Track before Detect,DP-TBD）算法计算量大及门限设置复杂等问题,提出了一种基于贪婪算法的检测前跟踪（Greedy based Track before Detect,G-TBD）方法,该方法比DP-TBD更简单且更易实现。虽然贪婪算法有时易陷入局部最优,但如果对其实施一定的约束和补充,该算法将会得到与动态规划算法一致或接近的全局最优解,从而对目标回波能量实现有效积累,最终改善雷达对目标信号的检测性能。本文对该算法的可行性、相关参数设置及性能等均进行了详细的分析研究,并将该算法成功地应用于单频网外（辐射）源雷达中。相关的仿真和实测数据结果均验证了该方法的有效性。