饱和攻击已成为现代战争中一种重要的攻击手段。由于雷达系统的发射资源有限,高效地管理雷达发射资源,对于提高雷达的多目标跟踪能力、提升雷达系统综合性能具有重要意义。认知雷达能够感知战场环境及目标状态,并据此主动地调整雷达工作模式、发射资源分配方案、发射波形和接收处理方法,有望显著提升雷达对目标和环境的适应能力,提高雷达资源利用效率,是未来雷达智能化的发展方向。本文面向多目标跟踪问题,研究了认知雷达发射资源管理方法及实现。主要工作内容如下:1.研究了两种经典目标跟踪算法:卡尔曼滤波和扩展卡尔曼滤波。在此基础上,给出了目标跟踪算法性能评价指标贝叶斯克拉美罗界(Bayesian Cramér-Rao Lower Bound,BCRLB)的详细推导过程,并通过仿真验证将此作为目标跟踪评价指标实现资源分配的可行性。2.研究了适用于雷达不同体制、不同工作模式的资源管理方法:(1)在雷达单波束模式下,研究了一种目标驻留时间分配方法。传统资源分配方法没有考虑目标状态差异,在跟踪阶段将有限的驻留时间平均分配给各个目标,简单易行却无法获得最优跟踪性能。本文基于目标状态先验信息,利用目标跟踪的BCRLB构造代价函数求解,优化目标驻留时间。(2)在雷达多波束模式下,给出了一种基于装箱算法的波束、重访时间和功率联合分配方法。本文方法通过对比目标预测BCRLB和期望跟踪精度大小决定该时刻照射目标实现对目标重访时间管理,随后利用装箱算法决定波束指向,最后在组内以最小化最差目标的BCRLB为准则优化雷达发射功率。本文方法在保证多目标跟踪性能的同时能够节约雷达资源。(3)在雷达搜索跟踪模式下,雷达搜索波束通常以波位顺序对空域进行周期性搜索,对于已探测目标也存在回波,因此本文采用搜索阶段的回波数据对跟踪阶段已探测到的目标进行状态更新并给出了两种资源管理方法。本文方法能够减小目标重访时间从而提升目标跟踪性能,节约雷达资源。3.在Visual Studio 2013开发环境下,采用C语言对发射资源管理方法进行工程实现,介绍了该过程遇到的关键问题:(1)数据存储方式;(2)数据结构定义;(3)数学矩阵加速运算。另外,为了验证资源管理方法的可靠性,本文将资源管理模块加入到认知雷达系统进行联合仿真。