军事科技发展进步使得越来越多的机动目标出现在军事装备竞争中,这种竞争使得国防领域迫切需要雷达对机动目标的有效探测。雷达通常通过长时间信号积累来提高信噪比。然而机动目标的距离走动特性和多普勒走动特性导致传统长时间积累方法失效。针对距离走动和多普勒走动进行完全匹配积累的算法虽然积累效果好,但计算量冗余度较大。因此,本文研究了两种基于分段处理的雷达机动目标回波积累算法。并针对这两种算法存在的不足,提出了两种改进的分段积累算法。具体内容如下:（1）研究了脉冲压缩雷达雷达对机动目标探测后的回波模型,并对回波进行脉冲压缩处理;分析了脉压后的雷达机动目标回波存在的距离走动和多普勒走动的特点;最后介绍了几种经典的长时间相参积累算法（MTD、RFT、GRFT）。实验表明,传统MTD算法会对机动目标检测失效,RFT计算方法检测性能良好但无法对匀加速机动目标回波有效积累,GRFT可以对具有加速度的机动目标检测,但计算量较大。（2）分析了基于MTD-GRT的雷达机动目标回波分段积累算法,同时针对该算法存在的误差进行分析,提出了改进的MTD-GRT算法（MTD-MGRT）积累算法。该算法首先对回波分段,随后对段内回波进行MTD处理,段间峰值积累用MGRT对MTD-GRT算法的误差进行纠正。通过仿真实验对MTD-GRT算法与MTD-MGRT的计算量和积累性能做出对比实验。实验表明,MTD-MGRT很好地折中了计算量与积累性能。（3）研究了一种基于改进子空间分段处理的机动目标回波积累算法（SHI）,该方法能有效积累运动参数较大的机动目标,但算法存在较大误差。随后提出了基于改进子空间分段回波处理的回波机动目标积累算法（I-SHI）,该算法首先采用子空间分割将全参数空间等值分割为若干个参数子空间,随后进行子空间搬移操作,将参数空间中心与原全参数空间零点对齐,形成多个新的参数子空间,可有效降低参数大小。最后在子空间内进行MTD-GRT处理积累能量。最后对I-SHI进行了能量积累、计算量及性能的分析验证,证明该算法有效克服运动参数较大对空间内孔径的限制,比SHI算法积累的能量大幅提高,同时相比GRFT算法有效降低计算量。