雷達是現代戰(zhàn)爭中不可或缺的電子設備，雷達目標跟蹤是雷達數據處理中至 關重要的一個組成部分，在軍民兩用領域中都具著廣泛的應用。但雷達在實際工 作中所處的物理環(huán)境十分惡劣，接收到的量測數據中存在大量雜波或虛警。此外， 有時也會出現目標數量不確定的情形，無疑加大了目標跟蹤的難度，尤其以天波 超視距雷達更為復雜。因此，迫切需要研究復雜環(huán)境下雷達目標跟蹤方法。本文 的研究內容就是在上述課題背景下提出來的，全文的主要工作總結如下：

　　1.研究了雷達目標狀態(tài)估計算法。研究了線性高斯系統(tǒng)、非線性高斯系統(tǒng)和 非線性非高斯系統(tǒng)下的濾波技術，并分析了各種濾波技術的適用場景及優(yōu)缺點。

　　2.在非線性高斯系統(tǒng)中，為了進一步提高容積卡爾曼濾波的估計精度，基于 球面單純形準則和 Gauss-Laguerre 積分準則，提出了一種改進的容積卡爾曼濾波 算法（SSGQKF）。理論分析和仿真結果表明，改進的算法在非線性程度較高的場 合下，能夠在精度和計算量中有個很好的折衷。

　　3.在非線性非高斯系統(tǒng)中，針對標準粒子濾波固有的粒子退化和粒子貧化現 象，提出了相應的改進算法。首先將數值穩(wěn)定性好的二階中心差分濾波算法作為 重要性密度函數，然后利用差分演化優(yōu)化重采樣過程。研究結果表明，改進的算 法能有效克服粒子退化和貧化問題，提高了粒子利用率和狀態(tài)估計精度。

　　4.研究了雜波環(huán)境下的基于數據關聯(lián)的目標跟蹤算法，主要包括最近鄰互聯(lián)、 概率數據互聯(lián)、聯(lián)合概率數據互聯(lián)、交互多模型概率數據互聯(lián)。考慮了目標的機 動性，在傳統(tǒng)的交互多模型概率數據互聯(lián)算法的基礎上提出了一種改進算法。即 引入固定延遲技術和量測幅值信息的交互多模型概率數據互聯(lián)算法，并將改進的 方法分別與傳統(tǒng)的交互多模型數據互聯(lián)算法進行仿真分析。

　　5.針對跟蹤場景中目標數量不定和雜波密集等復雜環(huán)境下的多目標跟蹤問 題，研究了基于隨機有限集的多目標跟蹤方法，并將差分演化優(yōu)化的二階中心差 分算法引入到粒子概率假設密度濾波（PHD）中。仿真結果表明，改進的算法對 復雜環(huán)境下的多目標跟蹤問題有較好的效果。

　　6.超視距雷達在地理坐標下跟蹤目標時目標動態(tài)方程為線性的，而量測方程 是非線性的。針對超視距雷達目標跟蹤的這一特點，將兩步濾波算法和均方根容 積卡曼濾波算法相結合，并應用到超視距雷達目標跟蹤系統(tǒng)中。改進的算法避免 了復雜的求導運算，濾波精度也更高。其次，還研究了基于概率數據互聯(lián)和隨機 有限集下的多徑目標跟蹤問題，并將球面單純形 Gauss-Laguerre 積分準則融入到 高斯混合多徑 PHD 中，最后通過仿真實驗驗證了算法的有效性。