雷达侦察是雷达对抗的基础和前提,其获取情报的多少及可靠程度直接关系着作战决策的制定和作战效能的好坏。随着军事技术的发展,对抗双方向着体系化发展,协同侦察逐渐成为国内外军事领域关注的焦点。本文重点研究了协同侦察领域当中的信号检测与时频参数估计,空域参数估计,分布式数据融合算法及多侦察站协同定位与跟踪。本文具体内容总结如下:1.研究了雷达侦察领域的信号检测方法与信号时频参数的估计方法。分析了常规检测方法,基于FrFT检测方法,基于分数阶自相关的检测方法。针对FrFT与分数阶自相关算法具有“栅栏效应”和搜索步长限制的问题,提出了基于分数阶傅里叶变换与分数阶自相关插值的参数估计算法,改善了搜索间隔带来的“栅栏效应”,提高了估计的精度。2.研究了雷达信号空域参数估计方法。从压缩感知理论出发,阐述了压缩感知理论和DOA与多普勒频率估计之间联系,分析了两种重要的稀疏重构方法。最后,提出了一种2D-DOA与多普勒频率联合估计方法。该方法借助L型阵列与分割观测模型,构建新的信号接收模型,分步重构稀疏信号得到DOA与多普勒频率的联合估计,同时解决L阵型下的DOA的配对问题,无需大量采样数据,运算量较小。3.研究了分布式侦察数据融合算法。分别是基于信噪比的加权融合算法,协方差加权融合算法,基于支持度矩阵的加权融合算法。将前文所提出参数估计算法与这些融合算法相结合,实验结果验证了三种融合算法都能明显提高参数估计精度,提升系统的精确性和可靠性。4.研究了多侦察站协同定位及跟踪算法。首先介绍了无源时差定位和无源测向定位的基本原理以及相关经典定位算法,对影响定位性能的各因素进行了分析。然后介绍了非线性滤波算法—扩展卡尔曼滤波与无迹卡尔曼滤波,分别结合角度信息与时差信息对目标进行跟踪。最后,采用分布式数据融合算法,将局部滤波结果进行数据融合,获得了更好的跟踪精度