认知雷达能够根据目标和环境的特点自适应地选择雷达发射机配置和雷达接收机信号处理方式，并可以利用各种先验信息从而提高对目标的检测和跟踪性能，是现代雷达技术发展的一个新趋势。本文聚焦于认知雷达接收机部分，主要讨论如何利用先验信息提高对目标的检测和跟踪性能。本文研究了如何利用系统已经获得的判决信息修正系统的判决规则以提高系统的检测性能；本文着重研究了贝叶斯检测前跟踪算法，对贝叶斯检测前跟踪算法的各个步骤进行了详细的分析，并给出了相应的改进方法以提高系统对目标的检测和跟踪性能；在高斯白噪声背景下，本文详细推导了检测统计量与检测阈值之间的关系，在Neyman-Pearson准则下得出了检测阈值的近似闭式解；另外，本文将贝叶斯检测前跟踪算法推广至多传感器融合系统中，综合考虑融合系统的通信负担和系统的检测和跟踪性能，提出了一种分布式贝叶斯检测前跟踪算法和一种带有反馈的分布式贝叶斯检测前跟踪算法。本文所做的研究工作总结如下：1、本文研究了利用序贯判决信息的雷达检测方法，其中主要讨论了如何利用系统已经获得的判决信息修正系统当前时刻的判决规则以提高系统的检测性能，检测阈值的确定方法，并对该检测方法的检测性能进行了详细的评估。2、本文研究了贝叶斯检测前跟踪算法，对贝叶斯检测前跟踪算法进行了详细的分析，并从目标存在状态变量的模型、如何处理模型中未知参数以及目标运动状态估计方法三个方面对传统贝叶斯检测前跟踪算法进行了改进，以提高系统的检测和跟踪性能。本文详细介绍了贝叶斯检测前跟踪算法的基本原理，给出了贝叶斯检测前跟踪算法的计算流程。在传统贝叶斯检测前跟踪算法中，目标存在状态变量常被模型为一齐次马尔可夫链模型；然而，本文经过推导发现，该齐次马尔可夫链模型没有提供任何关于目标存在的先验信息，从而导致检测性能的下降；针对目标存在状态变量，本文提出了一种非齐次马尔可夫链模型；在提出的模型中，目标存在状态变量的状态转移概率矩阵与当前时刻目标存在后验概率有关，更加符合目标存在状态的转移，从而能够进一步改善贝叶斯检测前跟踪算法的检测性能。当目标运动模型或系统观测模型中存在未知分量时，传统的贝叶斯检测前跟踪算法是将该未知分量作为额外的状态，并用一慢变化的高斯过程近似该未知分量；这种处理方式不能融合处理未知分量的模型，且得到的未知分量的估计值过多地依赖于最近几次的观测，而没有完全利用观测数据；为了更好地估计模型中的未知分量，本文将期望极大化算法应用到贝叶斯检测前跟踪算法中；利用期望极大化算法估计模型中的未知分量不需要将未知参数作为额外的状态，能够融合处理未知分量的模型，能够利用所有观测数据得到未知分量的极大似然估计，由此能够得到更加准确的未知分量的估计值，进而改善系统的检测和跟踪性能。在低信噪比情况下，将有很多噪声单元的回波强度大于目标单元的回波强度，这将导致目标运动状态呈现多模特性；对于基于粒子滤波器的贝叶斯检测前跟踪算法，如果直接应用这些粒子估计目标运动状态，噪声的影响将会过多地融入到目标运动状态估计值中，这将导致目标运动状态估计值性能的下降；在不同时刻，目标运动状态按照目标运动模型进行变化；而在不同时刻，出现较大观测值的噪声的位置是相互独立的；利用目标和噪声的运动特性，本文提出了一种基于Weighted Rival Penalized Competitive Learning和Dynamic Programming的目标运动状态估计算法，以缓解噪声对目标运动状态估计值的影响。3、本文研究了贝叶斯检测前跟踪算法的检测阈值设置方法。对于贝叶斯检测前跟踪算法，由于观测模型中高度的非线性，以及在计算过程中所涉及到的高维积分运算，使得很难对贝叶斯检测前跟踪算法的检测性能进行定量分析，也很难根据系统要求的虚警概率计算检测阈值。针对Neyman-Pearson准则，本文从似然比检测形式入手，详细推导了检测统计量的表达式，得出了系统虚警概率同检测阈值之间的关系，并在高斯白噪声背景下，给出了检测阈值的近似闭式解。由此，使得能够按照系统要求的虚警概率实时地设置检测阈值，从而使得实际系统的虚警概率满足要求。4、本文研究了多传感器贝叶斯检测前跟踪算法，在综合考虑融合系统的通信负担和系统检测和跟踪性能的情况下，本文提出了一种分布式贝叶斯检测前跟踪算法和一种带有反馈的分布式贝叶斯检测前跟踪算法。相比于集中式贝叶斯检测前跟踪算法，提出的分布式贝叶斯检测前跟踪算法的检测和跟踪性能有损失，但能够极大地减少各传感器与融合中心间需要传输的数据量。相比于集中式贝叶斯检测前跟踪算法，提出的带有反馈的分布式贝叶斯检测前跟踪算法的检测和跟踪性能略有损失，但能够减少各传感器与融合中心间需要传输的数据量。相比于提出的分布式贝叶斯检测前跟踪算法，提出的带有反馈的分布式贝叶斯检测前跟踪算法的检测和跟踪性能改善明显，且各传感器和融合中心间需要传输的数据量仅略有增加。