空时自适应处理（Space-time adaptive processing，STAP）是一种有效的机载预警雷达地杂波抑制方法。但是当目标具有很强的机动性时，其回波会发生严重的多普勒走动，导致传统STAP的检测性能大大降低。当机动目标做匀加速运动时，目标回波信号可视为线性调频（Linear Frequency Modulation，LFM）信号。分数阶Fourier变换（Fractional Fourier Transform，FRFT）是一种有效检测和估计LFM信号的方法。在地基雷达和合成孔径雷达（Synthetic Aperture Radar，SAR）上利用FRFT来估计机动目标参数时都需要较多的脉冲点数，否则估计精度难以满足要求。但对于机载预警雷达来说，当雷达脉冲重复频率一定时，较多的脉冲点数意味着相干处理时间（Coherent Processing Interval，CPI）加长，这会引起杂波和目标的距离走动，给后续处理带来更大困难，因此很难直接将FRFT应用到机载雷达中来。基于此，本文利用干涉SAR中相位展开的思想，提出了基于重构时间采样的空中机动目标检测和参数估计方法，该方法利用空间采样来重构时间采样，等效于增加了单个阵元的脉冲采样点数，可以提高参数的估计精度。　　论文的主要贡献和创新之处在于以下几个方面：　　第一，研究了机载雷达机动目标的回波特征，并给出了机动目标的回波数据模型；　　第二，针对机动目标存在的多普勒走动问题，提出了基于重构时间采样的空中机动目标检测方法，该方法能够在脉冲点数有限的情况下准确地估计出目标的参数，增强机载雷达对空中机动目标的检测能力；　　第三，针对空中多个机动目标的检测和估计问题，提出了一种基于RELAX算法的空中多机动目标检测和参数估计方法。该方法有效地抑制了检测过程中强信号分量对弱信号分量的影响，提高了算法对弱信号的检测性能及参数估计的精度；　　第四，推导了机载雷达空中多个机动目标运动参数估值的Cramer-Rao界限。