本文是一篇博士学位论文，题为《认知雷达中的资源分配算法研究》，作者为严俊坤，导师为保铮教授，于2014年11月提交至西安电子科技大学。该论文属于应用基础研究类，主要探讨了认知雷达系统中资源分配算法的设计与优化，旨在提升雷达系统在有限资源条件下的目标检测和跟踪性能。
认知雷达作为下一代智能雷达的代表，其核心特点是通过接收端到发射端的反馈机制，形成一个闭环的信号处理系统。这种反馈机制使得雷达能够根据环境和目标信息自适应地调整接收端的处理方式和发射端的工作参数。然而，在实际应用中，雷达系统的发射资源（如发射功率、信号带宽等）往往是有限的。因此，如何合理分配这些有限的资源，以提升雷达系统的性能，成为了一个重要的研究课题。
本文的研究背景正是基于这一现实需求，探讨如何在认知雷达系统中，通过资源分配算法优化目标检测和跟踪性能。具体来说，本文的研究目标是根据系统反馈的目标信息，合理设计接收端的检测门限和发射端的工作参数，从而在资源有限的条件下，提升目标的检测和跟踪性能。
本文的研究内容主要分为四个部分，分别针对不同的雷达工作平台和目标数量进行了资源分配算法的研究：
单雷达单目标认知跟踪算法：本文首先研究了在密集杂波环境下的单雷达单目标跟踪问题。通过引入恒虚警准则，结合系统已有的目标信息，优化了检测门限的设置，从而提升了目标的检测和跟踪性能。
单雷达多目标认知跟踪算法：在理想和非理想检测条件下，本文研究了基于单部集中式多输入多输出（MIMO）雷达的多目标跟踪算法。通过建立目标检测和观测模型，推导了多目标跟踪误差的贝叶斯克拉美罗界（BCRLB），并以此为目标函数，设计了资源分配的数学模型。在理想检测条件下，本文考虑了功率和波束的联合分配问题，并证明该问题可以转化为多个凸优化问题。在非理想检测条件下，本文进一步优化了接收端的检测门限和发射端的多波束发射功率。
多雷达单目标认知跟踪算法：针对多雷达系统（MRS），本文研究了不同种类、不同融合框架、不同状态向量维数以及异步情况下的资源分配算法。具体包括：（1）针对单频连续波（UCW）雷达网络，提出了一种功率分配算法，并证明该问题是一个凸优化问题；（2）针对集中式融合框架下MRS融合中心实时处理能力有限的问题，提出了一种功率和带宽联合分配的思想；（3）针对异步情况下的MRS，提出了一种功率分配算法，优化了各部雷达的发射功率；（4）针对目标跟踪时雷达散射截面积（RCS）的随机性，提出了一种基于非线性机会约束规划（NCCP）的稳健功率分配算法；（5）针对三维目标，提出了一种基于分布式雷达网络的次优跟踪算法，并进一步提出了面向三维目标的功率分配算法。
多雷达多目标认知跟踪算法：针对多雷达多目标跟踪的应用背景，本文提出了一种聚类与功率联合分配算法。该算法通过在每个时刻挑选固定数目的雷达对每个目标进行聚类优化，并对每个子类中的雷达进行功率分配，从而动态地协调各部雷达的发射参数及其所获得的量测的使用，进而在资源有限的约束下达到更好的性能。
本文的主要成果和创新点包括： 1. 单雷达单目标跟踪算法的优化：通过引入恒虚警准则，结合系统反馈的目标信息，优化了检测门限的设置，提升了目标的检测和跟踪性能。 2. 单雷达多目标跟踪算法的设计：在理想和非理想检测条件下，提出了基于MIMO雷达的多目标跟踪算法，并通过优化功率和波束的分配，提升了多目标跟踪的性能。 3. 多雷达单目标跟踪算法的创新：针对不同种类的MRS，提出了多种资源分配算法，特别是在异步和RCS随机性条件下的稳健功率分配算法，具有较强的实用性。 4. 多雷达多目标跟踪算法的提出：通过聚类与功率联合分配算法，动态地协调各部雷达的发射参数，提升了多目标跟踪的性能。
本文的研究具有重要的科学价值和实际应用价值。从科学价值来看，本文提出的资源分配算法为认知雷达系统的设计提供了新的思路和方法，特别是在有限资源条件下的优化问题。从应用价值来看，本文的研究成果可以应用于军事和民用雷达系统中，提升雷达系统的目标检测和跟踪性能，特别是在复杂环境和多目标场景下的应用。
本文通过对认知雷达系统中资源分配算法的深入研究，提出了一系列创新性的算法和方法，有效地解决了雷达系统在有限资源条件下的目标检测和跟踪问题。这些研究成果不仅为认知雷达系统的设计提供了理论支持，也为实际应用中的雷达系统优化提供了重要的参考。