无线电波的多普勒效应是由于相对运动导致无线电发射信号频率与接收信号频率之间存在偏差的现象。多普勒信号携带了目标信息,识别多普勒信号是获取目标信息的重要途径。但是,多普勒信号是典型的非平稳信号,准确的识别和提取多普勒信号是实现对目标探测的关键。经验模态分解(EMD)能够自适应地处理非平稳信号,本文将EMD用于对多普勒信号的识别和提取。首先分析了无线电多普勒信号的特点。在远场区可以用点目标模型来描述多普勒回波信号,而在近场区则需要用多点目标散射模型来描述。在近场区,受体目标效应的影响,回波信号不仅瞬时幅值起伏较大,而且存在多个多普勒成分,致使回波信号呈现一定的带宽。这为识别多普勒信号及其瞬时频率的估计带来一定的挑战。对EMD算法的关键步骤——样条插值过程进行了研究,设计了一个B样条滤波器组来描述非均匀B样条插值过程。分析了信号的非均匀B样条插值,而这些信号可以抽取成若干均匀子序列,用均匀B样条来实现对信号的重建。通过使用多级滤波器组来消除抽取过程中产生的混叠,进而实现了用均匀B样条来描述非均匀B样条插值。针对近场区多普勒信号的识别问题,提出了一种基于短时傅里叶变换(STFT)和EMD相结合的多普勒信号识别算法。该算法用STFT和EMD将回波信号分解成若干个窄带子信号,进而实现对多普勒信号瞬时频率的估计。通过对实测多普勒回波信号的测试与分析,并与EMD算法进行了对比,表明该算法能够将频率成分相近的多普勒回波信号分解成若干个窄带的子信号,能够更加准确的估计多普勒信号的瞬时频率。该研究可以为多普勒信号的目标探测提供一定的技术支撑。