高频雷达系统在国家的经济和防御事业中发挥着举足轻重的作用。该雷达系统的研究尤其是核心信号处理技术的研究受到各国研究学者的广泛关注。本文从预研角度出发，针对目前高频雷达机动目标信号处理这一难点及热点问题进行了较深入的研究，并提出了一种新的基于S-Method时频特征分解的机动目标信号处理算法。　　首先，本文对经典的非平稳信号处理方法，即时频分析方法，如短时傅立叶变换和魏格纳分布进行了概括性介绍，包括其定义、各主要性质，并分别给出了各方法的信号处理实验。在此基础上，引出了另一种新的时频分布S-Method。在给出S-Method的定义后，对S-Method与前两种时频分析之间的关系给出了论证，并就其线性性质和高时频分辨性进行了重点分析。S-Method的相关理论为后面的章节提供了理论基础。　　其次，本文提出了时频特征分解的概念和方法。从魏格纳分布反变换的结果中，本文得到了基于魏格纳分布的时频特征分解的概念。时频特征分解在信号处理过程上可以总结为，通过时频分析构造R矩阵，继而对R矩阵进行特征分解；其结果在物理上可以理解为，待处理信号受调制而张成一个P维信号空间。利用魏格纳分布与S-Method之间的近似关系，建立了基于S-Method的时频特征分解方法。而S-Method的线性性质使多分量信号的时频特征分解成为可能。文中对多信号分量情况下各信号分量间的时频特征分解空间相互作用问题给出了重点讨论。　　作为研究的主要目的，本文提出了基于S-Method时频特征分解的高频雷达机动目标信号处理算法。在该算法中，我们利用信号的时频特征分解空间进行目标信号的匹配检测。虽然信号的时频特征分解空间必然受到噪声的污染，但是对该信号处理算法的理论分析表明其仍可以看成是匹配滤波从单频信号空间到一般调频信号空间的推广。为了在强杂波背景下的进行机动目标信号的检测，文中根据多分量信号的时频特征分解原理给出了相应的算法设计。　　最后，我们对提出的高频雷达机动目标信号处理算法给出了仿真分析。在仿真实验中，我们考虑了做不同机动运动的目标，包括时频域上靠近海杂波的低速加速运动目标，远离海杂波的高速加速运动目标，机动性较强的变加速运动目标，甚至考虑了做任意机动运动的目标情况。仿真结果表明提出的信号处理算法可以在相当强的杂波背景下成功的检测各种机动运动的机动目标，因此验证了提出算法的合理性和有效性。此外，通过与传统傅立叶变换方法以及经典时频分析方法的比较，发现本文提出的方法无论对杂波强度还是对目标的机动特性都具有更强的适应性，因此证明了算法的优越性。