认知雷达是下一代智能雷达,它能够与目标环境形成一个闭环动态系统,根据目标环境自适应地调整发射机来控制发射波形,并不断地在与目标环境的交互中获取信息,从而全面提高雷达的整体性能。如何自适应地选择发射波形是认知雷达研究热点之一,目前波形自适应选择算法主要是基于状态单步预测来进行优化求解,此时系统是“贪婪”的,仅着眼于下一时刻性能指标,未能考虑目标在未来多个时刻里的变化情况。而在目标跟踪的问题上,我们更关心的是系统长期的跟踪性能,即跟踪的稳定性。因此,基于目标状态多步预测的波形多步优化问题也就成为了认知雷达需要探索的课题。然而在实际应用中,由于预测精度和计算复杂度等问题,实时地处理波形的多步优化问题面临着诸多困难。本文首先对认知雷达概念的产生及相关技术的研究状况做了回顾,重点阐述了认知雷达的基本原理和结构特性,详细分析了以目标跟踪为目的的认知雷达工作流程。在此基础上,针对基于波形库的认知跟踪雷达采用传统单步预测和优化方法时在跟踪性能方面的不足,提出了基于状态多步预测的波形滚动优化选择算法。给出了基于卡尔曼滤波理论的状态多步预测的递推过程,并运用动态规划方法求解了以整体跟踪误差为性能指标的波形的多步优化问题。最后,将上述方法应用于再入弹道目标跟踪问题的求解,计算机仿真实验结果验证了该方法的可行性和有效性,同时也验证了基于多步预测的波形滚动优化算法达到了提升跟踪性能和跟踪稳定性的目的。