相控阵天线波束指向可在微秒到百微秒级进行变化，使得相控阵雷达具有极大的灵活性，能同时完成多部雷达的战术功能。同时，在主控计算机的控制下，相控阵雷达可自适应地改变工作方式和工作参数，以适应外界变化的环境。为充分发挥系统性能，必需对相控阵雷达实施有效的资源管理，以使得系统有限的资源在多任务之间进行合理的动态分配。论文围绕相控阵雷达时间资源管理、波形管理、时间能量资源联合管理以及波束驻留调度方法进行研究。首先，从机动目标跟踪算法出发，介绍了交互多模型(Interacting Multiple Model，IMM)跟踪算法。为进一步提高跟踪精度，在传统IMM算法中引入多分辨思想，采用多速率模型构成模型集合实现交互滤波，并提出了一种采用多速率交互多模型实现目标全速率跟踪的方法。相控阵雷达时间资源管理是通过自适应雷达任务的采样周期来实现的，论文重点讨论了基于IMM算法的自适应采样周期方法。在对几种基于固定结构IMM的自适应采样周期算法介绍的基础上，针对传统递推法的不足提出了改进算法。变结构IMM算法有效解决了固定结构算法的模型选择问题，由变结构算法的基本原理出发，提出了一种基于自适应网格IMM的自适应采样周期算法。上述两种算法中均引入了可控参数，通过对它的调整能实现目标跟踪精度与系统负载之间的平衡，体现了相应算法的灵活性。此外，为实现多目标环境下的时间资源管理，借鉴用于解决集中式多传感器系统中传感器组合问题的协方差控制思想，给出了基于IMM的多目标时间资源管理算法。对于相控阵雷达波形管理，研究了两种基于IMM的自适应波形策略：协方差矩阵“正交”法和互信息量法。通过采用IMM滤波器输出的目标预测协方差矩阵作为跟踪协方差，对传统协方差矩阵“正交”法进行了改进。改进的协方差矩阵“正交”法与互信息量自适应波形算法相比，两者的速度跟踪效果相当，但是，前者能获得更小的位置跟踪误差。在此基础上，将自适应波形与自适应采样周期方法相结合，实现了时间资源及发射波形的联合管理。为实现时间能量资源联合管理，采用基于服务质量的资源分配(Quality-of-service based ResourceAllocation Model，Q-RAM)方法对雷达发射脉冲宽度、发射功率以及任务采样周期同时进行自适应控制。为了避免系统资源随着任务状态的变化而频繁重新配置，结合服务级思想，得到了基于服务级的Q-RAM资源分配算法，此算法能在减少资源重新配置次数的同时，获得与基本Q-RAM算法相当的系统总效益。在相控阵雷达波束驻留调度中，重点研究波束驻留自适应调度算法。现有的波束驻留自适应调度算法仅考虑了系统的时间资源约束，而忽略了能量约束。针对这一问题，分别提出基于调度收益和基于在线脉冲交错的波束驻留自适应调度算法。前者从调度收益角度出发建立了调度问题的最优化模型，该模型中同时考虑了时间能量约束以及脉冲交错技术；后者则在脉冲交错的过程中实现时间能量资源约束。与现有调度算法相比，这两种算法均能有效地降低任务丢失率，提高系统实现价值率和时间利用率。此外，根据数字阵列雷达(Digtal Array Radar，DAR)信号处理的特点，对常规相控阵雷达中的脉冲交错方法进行修改，获得了用于数字阵列雷达的波束驻留自适应调度算法。采用该调度算法，数字阵列雷达能比常规相控阵雷达调度执行更多的任务。