多站低频雷达具有全天候全天时的工作能力,可以探测叶簇遮蔽环境下的运动目标,能够满足安防和生态保护领域对丛林目标探测的迫切需求,具有低成本、低硬件复杂度和大范围目标探测的优点。本文基于实际多站低频雷达系统,研究了叶簇穿透人体微多普勒特征提取和跟踪技术。目前对于人体微多普勒信号仿真的研究几乎都是基于单站雷达,双站雷达人体微多普勒大小不仅与人体运动方向有关,还与双站角大小有关,双站雷达散射截面积(Radar Cross Section,RCS)也有别于单站雷达。本文构建了双站雷达运动人体微多普勒信号仿真与分析系统,基于人体运动数据模型仿真人体各部位的运动轨迹,提出使用双站椭球RCS模型进行人体建模,详细论述了双站宽带雷达信号仿真和处理方法,采用时频表示方法进行人体微多普勒分析。实验结果证明:构建的双站雷达运动人体微多普勒信号仿真与分析系统能够真实模拟多站雷达人体微多普勒特征。传统的微多普勒分析方法在叶簇穿透环境下不能得到高质量的慢时间-多普勒谱(Slow Time-Doppler Spectrogram,STDS),也未考虑多个人体微多普勒特征的分离问题。因此本文提出了一种基于运动轨迹提取的微多普勒特征分离方法,联合使用常规的杂波抑制和脉冲积累方法提升目标信杂比,引入一维目标跟踪方法实现人体运动轨迹提取,利用人体扩展特征,仅选取包含人体运动信息的距离单元数据计算STDS,最后采用模型拟合法估计各人体的微多普勒特征参数。实测结果证明:当多个目标距离像不重叠时,该方法可以获取高质量的STDS,实现各人体微多普勒特征的有效分离。基于距离量测的最小均方误差裁剪(Minimum Mean Square Error Paring,MMSEP)的多站多目标定位(Multi-station Multi-target Localization,MSMTL)方法,只用距离均方误差(Mean Square Error,MSE)度量进行量测配对很容易产生误配,影响MSMTL性能。提出了基于距离-多普勒(Range-Doppler,RD)联合MSE度量的MSMTL方法,并将多维分配(S-dimensional Assignment,SDA)算法拓展到基于RD量测的MSMTL领域。仿真结果证明:基于RD联合MSE优于只基于距离MSE或速度MSE度量的MSMTL性能,基于SDA配对算法优于基于MMSEP配对算法的MSMTL性能,基于RD联合MSE度量SDA配对的方法具有最好的MSMTL性能。针对缺乏人体距离量测估计方法对跟踪精度影响分析的问题,提出了改进的距离像几何中心(Geometrical Center,GC)和脉冲响应幅度最大值(Maximum Impulse Response Amplitude,MIRA)两种距离量测估计方法,充分利用人体距离像扩展特性,减少杂波量测。实测结果表明距离像GC和MIRA都可以作为人体合理的距离量测估计。传统的基于距离量测的人体跟踪方法,只在距离像上进行目标检测和量测估计,当多个目标距离像重叠时,会造成目标量测丢失和量测估计不准确,导致最终人体跟踪轨迹缺失。针对该问题,提出了一种基于RD量测的人体跟踪方法,多普勒信息提供了另一维的分辨能力,能够有效地区分目标。在瞬时RD像上检测和量测估计,能够降低目标量测丢失和量测估计不准确的概率,从而减少定位点的丢失和不准确的定位点,提升人体目标跟踪性能。实测结果证明:提出的基于RD量测的人体跟踪方法比基于距离量测的跟踪方法跟踪精度更高,轨迹连续性更好。