分布式机会阵雷达(distributed opportunistic array radar,DOAR)是以平台隐身性为核心,以数字阵列为基础,单元被“机会性”地布置于载体平台电磁开放的三维区域,可灵活地工作于多种模式,兼具多种战术功能,通过战场态势感知,采取“机会性”工作方式的一种新体制雷达系统。高度的数字化和模块化、“机会性”的布阵方式,使分布式机会阵雷达能够灵活地进行系统重构和资源管理。而环境的复杂多变、目标信息的随机性和模糊性、阵元排布的“机会性”等会持续给分布式机会阵雷达系统带来不确定性,动态影响待执行任务对雷达资源的需求。在不确定条件下,如何采用“机会性”的工作方式对有限的系统软硬件资源进行合理的重构和管理是提高雷达检测和跟踪性能的关键。在此研究背景下,结合不确定性理论,本论文主要研究了分布式机会阵雷达的天线阵列孔径资源管理、时间资源管理、功率资源管理以及时间和功率的联合资源管理等方面的问题。具体研究工作和创新之处概括如下:1.研究和分析了分布式机会阵雷达系统中各种不确定因素的来源。将不确定性理论引入到分布式机会阵雷达系统当中,详细阐述了用来表征各种不确定因素的不确定变量和用来分配系统资源的不确定规划。总结给出了不确定条件下基于机会约束规划(chance-constrained programming,CCP)的雷达系统资源管理模型的一般形式。2.研究了分布式机会阵雷达天线阵列孔径资源管理算法。首先,针对阵元“机会”分布导致工作阵元的区域和数目的不确定性,以及雷达工作模式和战术功能选择的“机会性”,采用模糊随机变量来表征方向图综合时一维天线阵列的综合不确定性,并建立了在工作阵元数满足机会约束条件下最小化主瓣宽度误差和峰值副瓣电平的机会约束规划模型。为了求解该多目标函数模型,将模糊随机模拟算法嵌入到基于精英策略的快速非支配排序遗传算法(fast and elitist nondominated sorting genetic algorithm,NSGA_II)中构成混合智能优化算法,从而得出满足不同要求的Pareto最优解集。相比于一维天线阵列,二维天线阵列孔径资源管理算法基于两个面阵,建立了在满足波束参数约束条件下最小化总工作阵元数目的机会约束规划模型。更进一步,将方向图综合产生的波束应用到目标跟踪过程中。该算法推导了多目标跟踪的贝叶斯克拉美罗下界(Bayesian Cramér-Rao lower bound,BCRLB),并以最小化所有目标中最大的BCRLB为目标函数,建立了基于机会约束规划的资源分配模型。该算法可以优化分配天线孔径,并采用尽量少的天线单元实现目标跟踪。3.针对多目标跟踪的应用场景,提出了一种基于自适应模糊逻辑优先级的时间资源管理算法。该算法采用模糊逻辑推理系统智能地模仿人类大脑的决策过程来计算目标的优先级。由于环境的时变性和目标信息的不确定性,将目标的雷达散射截面(radar cross section,RCS)视为随机变量,再结合各目标的优先级,建立基于随机机会约束规划的驻留时间资源管理模型。将随机模拟嵌入到遗传算法中构成混合智能优化算法来预测下一采样时刻各目标最优的驻留时间分配。然后将预测值应用到无迹Kalman滤波(unscented Kalman filter,UKF)中来估计被跟踪目标状态。随着机会约束规划置信水平的降低,时间资源节省率增加;在考虑了目标的优先级后,能够将驻留时间更加合理地分配给各目标,使总的跟踪时间进一步降低。4.研究了在不同跟踪情况下分布式机会阵雷达的功率资源管理算法。首先,将目标的RCS视为模糊变量,建立功率资源管理的模糊机会约束规划模型。该算法根据历史数据和相关运行经验确定模糊变量的分布范围,以克服随机变量很可能因为样本数据不足而产生偏差的缺点。其次,相比于之前理想条件下的资源分配算法,提出了杂波环境下多目标跟踪的波束和功率的联合分配算法。雷达系统根据先验CRLB选择合适的跟踪目标,通过引入信息缩减因子(information reduction factor,IRF)来衡量杂波带来的测量源不确定性(measurement origin uncertainty,MOU),再结合目标RCS的随机性,最终建立基于随机机会约束规划的波束和功率的联合资源管理模型。该算法不仅实现了波束的自适应调度,还实现了功率在各波束之间的优化分配。最后,提出了一种针对机动目标跟踪的多机会阵雷达采样间隔和功率的联合分配算法。该算法采用高斯最优拟合(best-fitting Gaussian,BFG)近似代替具有多模式的机动目标Markovian转移动态,并推导了目标跟踪误差的BCRLB-like。雷达系统根据先验CRLB-like确定自适应采样间隔,并依据BCRLB-like实现功率在各分散的机会阵雷达之间优化分配。该算法可以自适应地调整机动目标的采样间隔,并实现发射功率的优化分配。5.研究了搜索加跟踪时分布式机会阵雷达的时间和功率的联合资源管理算法。首先,对搜索任务下可以优化的参数进行了分析和研究,并引用了一个具体算例加以佐证。在此基础上,提出了搜索加跟踪时波束驻留时间和发射功率的联合资源管理算法。在搜索过程中,该算法采用黎曼流形(Riemannian manifolds)来表示波束在各波位上的驻留时间,以抵消扫描角增大而导致的波束增益下降。在满足雷达检测性能和搜索数据率的条件下,最小化搜索波束发射功率,尽量将更多的功率用于跟踪,以最小化跟踪目标BCRLB。该算法实现了时间和功率在搜索与跟踪之间优化分配,在搜索过程中保证雷达在各波位上的等威力探测,且在跟踪过程中实现功率在各目标之间的优化分配。