雷达是现代军事信息化战场中必不可少的高科技装备,随着隐身技术的发展和电磁环境的日益恶劣,雷达正在向自适应、多功能的方向发展。雷达资源管理就是提高雷达性能的手段之一,其实质是对雷达任务参数进行有效的配置,达到节约系统资源、充分发挥系统性能的目的。雷达资源管理可分为搜索任务管理、跟踪任务管理和波束驻留调度三个方面。在跟踪模块下进行资源管理主要是指通过对采样周期的控制来管理时间资源,对发射波形相关参数的控制来管理能量资源,最终在保证跟踪精度的前提下使系统参数得到最优化配置。本文围绕雷达资源管理下的跟踪模块进行研究,首先,从目标跟踪算法出发,介绍了卡尔曼滤波、???滤波和?????滤波三种基本目标跟踪算法以及“当前”统计模型(Current Statistical Model,CSM)滤波、自适应???滤波、交互多模型(Interacting Multiple Model,IMM)滤波三种机动目标跟踪算法。从跟踪性能和时间消耗两方面对三种机动目标跟踪算法进行了评估,通过仿真验证了IMM滤波具有更高的跟踪精度,CSM滤波的实时性更好。其次,针对相控阵雷达研究了三种基于自适应目标跟踪的资源管理算法。三种算法都是在CSM算法的基础上实现的。前两种算法分别利用预测协方差门限控制球坐标系下的预测协方差实现采样周期的自适应变化,利用期望跟踪精度控制球坐标系下的预测的估计误差协方差实现脉冲重复个数的自适应变化,他们分别对时间资源和能量资源进行了管理。第三种算法是前两种算法的结合,同时实现了采样周期和脉冲重复个数的自适应变化。仿真验证了三种方法的有效性以及全自适应参数情况下的优势。最后,结合雷达的射频隐身技术,对具有MIMO(Multiple Input Multiple Output)模式的新体制雷达进行了跟踪时的资源管理。在建立该问题的优化模型时,根据传统雷达截获因子的概念,推导了MIMO雷达截获因子的表达式,将其作为使雷达射频隐身性能优化的目标函数,模型的约束条件则是与预测协方差和回波信噪比相关的。模型中的优化参数为子阵划分个数、平均发射功率、波束驻留时间和采样周期,通过遗传算法对该模型的求解验证了该目标跟踪算法能提升MIMO雷达的射频隐身性能和跟踪精度。