随着技术的发展,当代雷达的工作环境日益复杂化。为了提高雷达的自适应水平和应对复杂多变的工作环境的能力,认知雷达作为下一代新型雷达的一个重要发展方向被提出和研究。认知雷达与传统雷达体系的主要区别在于其知识辅助能力和自适应能力。本文基于认知雷达的体系框架,着眼目标跟踪任务,研究发射波形的自适应选择问题。本文主要工作总结如下:(1)简要介绍了认知动态系统基本原理框架以及相关行为决策理论,与认知雷达的基本原理框架进行对比,从认知动态系统行为决策的角度分析了认知雷达的目标跟踪问题。(2)研究了认知雷达目标跟踪和波形捷变的相关理论。介绍了雷达信号的基带模型,并根据雷达回波模型和经典参数估计理论推导了发射波形和测量噪声之间的关系。介绍了目标跟踪的状态空间模型,并研究了线性、非线性以及杂波场景下典型的跟踪滤波器。从跟踪精度和系统资源合理分配两个角度,确定了波形“判优”的准则函数,并给出基于准则函数的波形捷变算法的完整流程。将基于准则函数的波形捷变算法扩展到杂波环境。(3)从认知动态系统行为决策相关算法引入,分析了认知雷达跟踪波形选择问题中的增强学习框架。借鉴增强学习的值函数估计方法、学习和计划过程、探索与利用平衡等思想,提出了一种基于增强学习的认知跟踪波形选择算法。针对不同的波形选择准则进行了回报函数的设计。(4)对介绍和提出的各个算法在有无杂波、线性非线性以及不同波形选择准则下分别进行了对比实验,分析了不同算法的特点和优劣。实验表明,本文的认知跟踪波形选择算法与基于准则函数的传统波形捷变算法相比较,在计算复杂度上显著降低的同时保证了跟踪性能上的良好表现。