雷達是現代戰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估計算法。研究了線性高斯系統、非線性高斯系統和 非線性非高斯系統下的濾波技術，并分析了各種濾波技術的適用場景及優缺點。

　　2.在非線性高斯系統中，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估計精度。

　　4.研究了雜波環境下的基于數據關聯的目標跟蹤算法，主要包括最近鄰互聯、 概率數據互聯、聯合概率數據互聯、交互多模型概率數據互聯。考慮了目標的機 動性，在傳統的交互多模型概率數據互聯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算法，并將改進的 方法分別與傳統的交互多模型數據互聯算法進行仿真分析。

　　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。