MIMO(Multiple Input Multiple Output)雷达作为一种新体制雷达,由于比传统雷达具有高精度探测性能、抗隐身目标和抗干扰能力等优势,一经提出就受到了国内外众多学者的广泛关注,成为近几年来新兴的研究课题,并在目标定位方面涌现了大量的研究成果。但对于MIMO雷达目标跟踪问题,目前这方面研究相对较少,公开发表的文献不多。然而实际战场环境中目标往往是运动的,因此MIMO雷达目标跟踪是一个务必需要解决的问题。本文以工程实现性较强的双基地MIMO雷达为研究对象,对目标跟踪方面急需解决的问题展开研究,主要的内容如下:一、理想条件下双基地MIMO雷达目标角度跟踪问题针对高角速率目标,提出一种改进自适应非对称联合对角化(Adaptive Asymmetric Joint Diagonalization,AAJD)的目标角度跟踪算法。由于AAJD算法角度估计时重复利用了上一时刻的角度信息,导致跟踪性能的下降。因此首先证明了通过AAJD算法求出的特征矢量,其每一列都对应着一个目标的导向矢量。然后在此基础上提出了改进AAJD算法。该算法直接利用特征矢量求解目标的收发角度,从而提高了跟踪性能,并且更加适用于大机动目标跟踪。同时对ESPRIT算法进行改进,实现了目标角度的自动配对和关联。针对低角速率目标,提出了一种基于协方差矩阵差的目标角度跟踪算法。首先,通过三个一阶近似得到协方差矩阵差与相邻角度差的线性关系。然后,分析了协方差矩阵差元素之间的联系,从而对差元素取平均,充分利用了协方差矩阵差的信息,提高了算法的性能。最后,用最小二乘法估计出目标的DOD和DOA,同时实现了目标角度的自动配对和关联。与AAJD算法相比,该算法具有更高的跟踪性能。二、目标个数未知时的双基地MIMO雷达目标跟踪问题针对AAJD算法中没有可以直接表示特征值的变量,提出一种基于紧缩自适应非对称联合对角化(Adaptive Asymmetric Joint Diagonalization deflation,AAJDd)的目标个数和角度联合跟踪算法。首先将主成分顺序估计思想引入到AAJD算法中,提出AAJDd算法,循环求出特征值变量,然后运用改进信息论准则估计出目标个数,完成目标个数和角度的联合跟踪。最后提出目标个数防抖动算法,提高了算法的稳健性。仿真结果表明算法能够成功跟踪目标个数的变化和运动轨迹,验证了理论分析的有效性。三、低信噪比下双基地MIMO雷达目标角度跟踪问题针对低信噪比时AAJDd算法存在信号子空间扩展问题,提出一种基于改进MUSIC的目标角度跟踪算法。首先,利用AAJDd算法求出特征值变量,通过判决准则得到“扩展”信号子空间。其次,推导了“扩展”信号子空间与噪声子空间之间的关系,估计出正确的噪声子空间。最后,为了降低计算量,根据跟踪状态的不同,将MUSIC算法分为两步:第一步全空域大步长扫描,对应跟踪非稳定状态;第二步小空域小步长扫描,对应跟踪稳定状态,并将峰值搜索过程变为取最大值操作。算法解决了低信噪比时信号子空间扩展问题,提高了跟踪性能,且采用了性能更高的MUSIC算法,并对其进行改进,降低了计算量。针对改进MUSIC算法中谱峰搜索计算量较大的问题,提出了一种基于改进ESPRIT的目标角度跟踪算法。首先,对特征值变量进行降序排列,找出大特征值变量对应的特征矢量,从“扩展”信号子空间求出信号子空间。其次,在非稳定跟踪状态时消除特征值变量误差积累的影响,得到更准确的信号子空间。最后结合改进ESPRIT算法,实现角度的自动配对和关联。仿真结果表明算法在低信噪比时能够实现角度跟踪,且收敛速度和稳定性能优于AAJDd算法。四、双基地MIMO雷达目标角度和多普勒频率联合跟踪问题针对高角速率目标,提出一种基于时空结构的目标角度和多普勒频率联合跟踪算法。首先,对双基地MIMO雷达信号模型进行改进,仿照阵列空间相位差,对匹配滤波后的接收信号进行延迟抽头采样,得到时间相位差,形成扩展联合导向矢量。然后,对PASTd算法进行改进,估计出扩展联合导向矢量,并且克服了PASTd算法无法跟踪相同收发角度目标的缺点。最后,对ESPRIT算法进行改进,得到扩展旋转不变因子,从而估计出目标的角度和多普勒频率,实现目标参数的自动配对和关联。仿真结果表明,算法能够实现角度和多普勒频率的联合跟踪。针对低角速率目标,提出一种基于改进协方差矩阵的目标角度和多普勒频率联合跟踪算法。首先,为了使协方差矩阵结构包含多普勒频率信息,对接收信号进行一级延迟抽样,估计出改进协方差矩阵。其次,通过三个一阶近似,给出改进协方差矩阵差与角度差之间的线性关系,利用最小二乘法估计出目标角度和多普勒频率。最后,证明改进协方差矩阵对角线上的部分元素相等,通过取平均运算,提高目标参数跟踪精度。仿真结果验证了算法的有效性。