随着无人机产业的高速发展,“黑飞”无人机对机场、监狱、核电站等安全运行带来较大隐患。微多普勒特征是目标识别与分类的关键,旋翼无人机作为一种低慢小飞行目标,雷达回波比较微弱,容易受到噪声的干扰。噪声、运动状态和初始相位是导致旋翼无人机微动参数较难估计的主要因素。研究无人机微动特征分析与提取方法,提高时频谱分辨率和微动参数估计精度,能够为无人机监视、识别与分类提供相应的理论基础及技术支撑,具有一定的理论及实际应用意义。首先,介绍了微动特征分析方法,引入谱图重排（Reassigned Spectrogram,RSP）方法,并与主流的时频分析方法进行对比分析,在分辨率和交叉项等方面分析了RSP的性能。同时,研究了无人机微动参数对多普勒特征的影响,为后续微动特征提取技术提供理论基础。其次,针对悬停状态旋翼无人机微动特征提取与参数估计问题,提出基于谱图重排-韵律频率图（Reassigned Spectrogram-Cadence Frequency Diagram,RSP-CFD）的悬停状态旋翼无人机微动特征提取与参数估计方法。利用RSP时频图获取无人机旋翼叶片的多普勒信息,在此基础上引入CFD方法提取无人机的叶片闪烁频率,最终结合极大值参数估计方法估计无人机的转速、叶长等参数。通过与传统方法对比,分析了所提方法特征提取及参数估计的性能。最后,针对运动状态旋翼无人机微动特征提取与参数估计问题,提出了基于基追踪去噪-倒谱（Basis Pursuit Denoising-Cepstrum,BPD-Cepstrum）的运动状态旋翼无人机微动特征提取与参数估计方法。首先利用BPD方法重构回波信号频谱,达到对无人机信号去噪的目的。其次利用RSP结合极大值参数估计方法提取旋翼叶片回波的最大多普勒,利用倒谱（Cepstrum）提取无人机的叶片闪烁频率,进而实现了转速、叶长等参数的估计。仿真和实测数据实验结果证明了算法的有效性。