外辐射源雷达是一种利用非合作信号对目标进行探测的双基雷达,其在抗干扰、抗隐身目标、抗反辐射导弹、抗低空突防等方面有显著优势,在军用与民用领域都有着广泛而关键的应用。在要地防空、机场监视等场景中,对高速机动目标及无人机检测与分类非常重要。然而,由于外辐射源系统结构特性,目标回波信号往往能量微弱,如何在低信噪比下实现对目标能量的有效积累,实现对目标的稳健检测与准确分类成为一大难题。在对高速机动目标检测时,需要通过长时间积累来提高对目标的探测能力,然而由于目标的机动特性,在积累中会出现距离徙动与多普勒徙动问题,导致能量损失,对目标的稳健检测不利。因此,为了尽可能提高目标探测能力,需要对目标回波距离徙动与多普勒徙动进行补偿。此外,在对旋翼无人机这种典型低慢小微动目标分类时,其微多普勒效应可反映目标的运动和结构尺寸特征,因此,可充分挖掘不同类型旋翼无人机的微多普勒特性的差异进行分类。然而,传统的人工特征提取方式需要巨大的工作量,并且专家的主观因素也会降低分类的效率和准确率。因此,需要将外辐射源雷达的微动目标分类问题与人工智能技术结合,在低信噪比下提取其微动特征实现无人机目标的准确分类。本文以此为背景,在科技委专项项目和创新特区项目的资助下,以地面数字电视广播（Digital Video Broadcast-Terrestrial,DVB-T）信号为照射源,分别研究了外辐射源雷达的高速机动目标探测方法和旋翼无人机目标检测与分类方法,主要工作概述如下:1.首先建立了外辐射源雷达系统几何模型,对DVB-T系统模型和信号调制原理进行介绍;其次,研究了传统相参积累方法及其等效快速算法;然后,讨论了外辐射源雷达中回波通道信号中各信号分量功率,对直达波干扰进行分析,研究了基于扩展相消算法（Extensive Cancelation Algorithm,ECA）的直达波对消原理和实现方法;最后,仿真验证了 ECA方法的有效性,为后续的研究提供理论基础。2.针对高速机动目标距离徙动与多普勒徙动造成目标信号能量难以积累的问题,研究了一种基于外辐射源雷达的二阶徙动补偿方法。首先,依据匀加速运动目标的回波模型分析了二阶徙动产生机理及影响;其次,研究了一种基于Keystone变换和二次相位补偿的外辐射源雷达徙动补偿方法,并分别讨论了基于Keystone变换的三种实现方法和二次相位补偿的实现方法;最后,通过仿真实验对二阶徙动补偿方法的有效性进行验证。3.针对在低信噪比下旋翼无人机等慢速目标难以分类的难题,提出了一种基于外辐射源雷达缩聚与激励卷积神经网络（Passive Radar-Squeeze-and-ExcitationConvolutional Neural Network,PR-SECNN）的旋翼无人机分类方法。首先,建立了外辐射源雷达探测场景中的旋翼无人机的信号模型,分析了不同数目、不同长度的无人机叶片微动回波在时频域的不同特性;其次,为了增强低信噪比下网络对无人机的分类性能,在传统卷积神经网络（Convulutional Neural Network,CNN）中嵌入缩聚与激励（Squeeze-and-Exciataion,SE）模块,抽离不同通道的特征;最后,通过仿真与传统支持向量机（Support Vector Machine,SVM）和CNN网络进行了对比,验证了所提PR-SECNN的无人机分类方法的有效性。实验结果表明,所提方法在信噪比较低和样本数较少的情况下仍能对无人机准确分类。