地面运动目标检测(GMTI)是机载/星载监视、预警系统的主要任务之一。在运动平台下,速度相对较慢的运动目标往往被地面场景回波所淹没,如何从强杂波中提取出目标信号是动目标检测系统的重要问题,而结合阵列信号处理方法、利用沿航迹多通道数据进行自适应杂波相消处理是解决这一问题的主要技术。随着雷达技术的发展,目前的动目标检测系统正在向多维域方向前进。基于这一背景,本文深入地研究了多维域信息(多载频、多极化等)在动目标检测方法中的应用,并将之与传统空时信息相结合,用以解决GMTI系统的热点问题,内容涵盖测速区间优化、慢速目标检测、非均匀场景下的杂波协方差矩阵估计等,主要研究内容概括如下:1、传统均匀阵列系统下,长的沿航迹基线可改善系统的最小可检测速度,但是也会造成最大不模糊速度的下降,进而导致盲速区间的增加。为解决这一矛盾,提出在非均匀阵列多载频系统下进行优化设计,一方面利用多载频信号测速区间交替叠加降低测速盲区,另一方面利用多个载频进行解模糊处理,使得在目标可能的速度范围内实现无模糊地测速;由于非均匀阵列可提高空间采样频率,将之与多载频系统联合设计可以进一步改善系统的测速性能。具体分析了非均匀阵列多载频系统的优化设计方式,包括级联优化和联合优化两类。级联优化在空间上基于最小冗余阵设计,在载频上利用不同频率可测速区间互补的思想对频率组合进行推算,该方法在载频范围不受限制时可对动目标实现无模糊检测,且不需要进行解模糊处理,但其在载频范围受限制的时候性能下降显著;联合优化以最大化可测速区间为目标,同时搜索载频组合与非均匀布阵方式并得到最优结果,在方位孔径长度、频率带宽受限情况下对空频自由度的利用更加充分。2、在多极化阵列系统下,将极化滤波与空时滤波联合进行自适应处理具有提高系统最小可检测速度的潜力。但是由于增加了极化维,由空时自适应处理维数过高所造成的问题进一步加重。在建立极化-空时三维数据模型的基础上,首先分析了极化空时联合自适应处理的性能和主要影响因素,进一步分析了级联处理的性能,为降维处理提供参考。分析指出,杂波极化相关性、动目标与杂波的极化差异以及极化通道数均会影响自适应处理的性能;同时,不同级联顺序对检测性能的影响显著,首先在区分度较高的维度进行处理可获得较好的检测性能。3、非均匀场景下,独立同分布的训练样本数往往不足以有效地估计出精确的杂波协方差矩阵,这将导致自适应检测性能的下降。针对这一问题,提出利用多个极化通道数据联合估计杂波协方差矩阵,提高小样本下动目标的检测性能。在分析多极化阵列信号模型的基础上,指出不同极化方式下的杂波的空时特性一致而功率有所差异;进一步地将多极化数据建立为复合高斯的杂波模型,同时获得其高斯与非高斯的概率密度函数,最后利用最大似然方法获得出杂波协方差矩阵的表达式。仿真显示,在样本数较少的情况下,结合多极化数据进行杂波协方差矩阵估计可以有效提高系统的动目标检测性能。4、非均匀场景下的样本挑选问题直接影响杂波协方差矩阵的估计精度,而现有的样本挑选方法在非均匀场景下性能将受到严重影响。针对这一问题,在建立多通道SAR-GMTI的信号模型基础上提出一种极化分类结合功率分组的样本分类方法指导训练样本的挑选;在极化分类时将空域信息引入到处理过程中,即利用极化-空时联合Wishart距离来改善分类效果;而功率分组同时考虑了样本个数和功率起伏对检测性能的影响。仿真结果显示所提的方法可以有效地改善训练样本的分类结果、提高动目标的检测性能。5、利用长球面波方法(PSWF)求解获得先验的杂波子空间,可改善小样本下系统的动目标检测性能,但该方法本身存在模型失配的问题。论文提出利用数据自适应改善PSWF估计效果的方法,即首先利用回波数据进行杂波谱分析,获得杂波脊的斜率参数,并利用该估计参数,结合PSWF方法构造出杂波子空间;考虑到杂波谱估计时采样的训练样本可能受到污染的问题,进一步提出采用PSWF估计得到的杂波子空间进行GIP样本挑选,有效提高样本的挑选能力。最后,重复迭代这两个处理步骤,最终获得准确的PSWF杂波协方差矩阵模型,提高非均匀场景下空时自适应处理的性能。