通过增加观测时间并采用长时间相参积累可以有效的提高回波信噪比与雷达对微弱目标的探测能力。然而,在相参积累过程中目标的高速度与机动性会导致距离走动与多普勒走动的产生,使得传统的相参积累算法失效。本文针对上述问题,研究了高速机动目标长时间相参积累算法。本论文的主要工作与贡献如下:1、提出了RLVD和KTLVD两种匀加速目标相参积累算法,解决了距离走动校正和多普勒走动补偿问题,实现了微弱目标回波能量的相参积累,提高了低信噪比下目标的检测性能。2、提出了KTGDP和KTCPF两种相参积累算法,解决了变加速运动目标的线性距离走动校正与复杂多普勒走动补偿问题,实现了目标运动参数的估计;提出了基于CLEAN处理的多目标相参积累算法,实现了目标相互干扰下的多目标能量积累与参数估计。3、提出了GKTGDP和TRT-SKT-LVD两种相参积累算法,校正了变加速目标的三阶距离走动,实现了目标能量的相参积累,较好的解决了高速目标相参积累中的盲速旁瓣问题。4、提出了ACCF-LVD和迭代ACCF两种相参积累算法,通过互相关函数消除了变加速目标的多普勒弯曲和距离走动,快速的实现了目标回波能量的相参积累与运动参数估计,降低了运算复杂度。5、针对高阶机动目标的相参积累问题,提出了循环迭代ACCF相参积累算法,无需参数搜索过程,大幅度降低了计算量;提出了TRT-SGRFT相参积累算法,提高了目标检测性能与参数估计精度,解决了盲速旁瓣问题。