近年来，随着对隐身技术不断深入的研究，目标的隐身性能大大增强，使得雷达探测系统对其的检测能力急剧降低，给雷达带来了严峻的考验。虽然检测前跟踪(Track Before Detect，TBD)技术能够对微弱目标进行检测跟踪，但是现有的TBD算法只利用了目标的幅度信息，没有利用目标的相位信息，导致检测效率不高，所以必须在现有的TBD技术上充分利用相位信息来提高对目标的检测能力。本文是在某航空科学基金项目的支持下，以强噪声条件下微弱目标为研究主体，主要研究了相参检测前跟踪算法，主要的工作与创新内容如下：介绍了近年来国内外在微弱目标检测技术方面的研究动态、检测后跟踪技术（Detect Before Track，DBT）以及TBD技术；接着介绍了经典的非相参TBD算法并针对其没有充分利用目标的相位信息而导致在信噪比较低的情况下检测概率低的不足引入了相参TBD算法；然后介绍了用于提高算法实时性的基于CUDA编程的并行化计算技术；最后针对目标的稀疏特性介绍了压缩传感技术。其中，重点研究了基于KEYSTONE变换（KT）的相参TBD算法，建立了多目标运动模型与雷达回波模型并在此基础上分析了传统KT的原理，给出了距离向与方位向的函数表达式以及距离向与方位向的分辨率公式，然后介绍了基于传统KT的相参TBD算法（TKTA-TBD）并通过仿真验证了其优良的检测性能。提出了一种快速KEYSTONE变换（FKT）并应用到TBD算法中：首先针对传统KT在时域利用sinc插值进行尺度变化而导致运算速度慢的问题，FKT从KT公式入手，对信号的任一周期求离散逆傅里叶变换，利用尺度变换公式、快速傅里叶变换与快速逆傅里叶变换来提高运算效率，从而大大提高了算法的实时性；并可以通过选择适当的变换周期来获得感兴趣的检测区域，从而提升对目标检测效率；然后提出了基于FKT的相参TBD算法（FKTA-TBD），该算法在保证了与TKTA-TBD具有相同的检测性能的同时，针对具体的目标设置更合适的检测范围，提高算法效率与检测性能；最后利用基于CUDA编程的GPU并行化计算技术对FKTA-TBD进行并行优化，显著地提高了算法的实时性。提出了基于压缩传感与KT相结合的相参TBD算法（CSKTA-TBD）：CSKTA-TBD首先利用FKTA-TBD在一定程度上提高信噪比，再利用目标的稀疏性以及目标信号和噪声信号的不相关性，通过压缩传感技术对目标信号进行重构得到结果。首先，针对FKTA-TBD处理后仍然存在大量由噪声积累形成的虚假目标的问题，该算法能够进一步消除虚假目标，大大地提高了信噪比；其次，针对方位向上回波不连续而导致较高旁瓣，从而形成虚假目标的问题，该算法能够消除旁瓣，提高目标的分辨率，从而大大提高了对多目标的检测能力。提出了一种时域相参TBD算法——基于改进动态规划与后向投影的相参TBD算法：该算法首先提出了一种改进动态规划算法，该算法利用目标的先验信息以及已经规划的前几帧信息来对目标的运动轨迹进行估计；然后将利用后向投影算法对目标可能的运动航迹进行相参积累来完成对微弱目标的检测。与已有的TBD算法相比较，该算法大大地提高了目标的检测与跟踪性能。