分布式MIMO组网雷达已经成为国内外雷达发展一大趋势。其主要优势是组网内部信息的共享,使得每部雷达都能获取来自组网的更多信息,从而认知修正强化性能。通过接收站反馈回来的先验信息,分布式MIMO组网雷达能够根据反馈信息,自适应调整自身的发射参数。实际应用中,组网雷达系统的资源通常不足以支持所有发射站全相满负荷工作。如何利用分布各地的接收站反馈的先验信息,在有限的发射资源下实现最优的定位效果是本文研究的主要目的。在这种目的的指引下,本文提出了在不同的设备、场景下,合理地调配发射资源以实现分布式雷达组网对目标定位性能的提升。按照应用中的雷达设备与目标数量,本文主要研究内容分为几点:自发自收雷达对单目标定位、收发分置型MIMO雷达对单目标定位、收发分置型MIMO雷达对少量编队目标定位、收发分置型MIMO雷达对广域分布多目标定位。在充分了解并借鉴了国内外相关算法研究的基础上,本文对分布式雷达组网的功率算法做出深入的研究,主要工作及贡献如下:1.提出了一种用于自发自收型MIMO雷达对目标定位时应用的功率分配算法,以实现该系统有限功率的快速优化分配。首先推导出了系统对目标定位时最小均方误差的克拉美罗下界,并将其作为需优化的代价函数。接着,通过凸函数的基本定义证明了该问题的目标函数为非凸函数。而后,将已有的凸松弛算法改进,通过自反馈修正凸松弛时设定的参数使分配结果能逼近最优。2.功率分配可以提高分布式雷达系统的功率资源的利用率。分析了分布式雷达组网系统对目标定位时误差的克拉美罗下界(Cramér-Rao low bound,简称CRLB)的两个特性。在经典的功率分配方法的基础上,提出了一种快速有效的功率分配算法并将其应用于认知分布式多雷达系统,称这种算法为交替全局搜索算法(Alternating Global Search Algorithm,简称AGSA)。在本文中,期望的目标是直接最小化非凸非线性的CRLB的目标位置估计。采用LaSalle不变性原理对该算法的收敛性进行了理论分析。我们分析了两种该种模型下可以采用的相关算法的计算复杂度。通过该算法最终获取了与功率分配相关的著名Pareto最优解集,从而可以间接导出保证期望定位精度的情况下最小化总功率问题的解。3.针对MIMO雷达对成编队的多个目标进行定位时的功率分配问题,做出了以下研究:(1)将两种传统优化模型的框架进行了优势互补,融合成为一种更完备的资源分配模型;(2)本文结合交替搜索、序列二次规划和极值选取的思想,设计了一种可以求解双目标规划问题的优化方法;(3)针对多个编队目标定位过程的功率分配问题,本文给出了相应的适应算法。4.针对多雷达大量离散多目标定位的应用背景,结合人类行为学和遗传算法,设计了一种一维基于函数值的搜索方法。大量目标同时定位的功率分配问题,即使经过最小可行变量集的降维处理,其函数依旧极其复杂,传统优化算法极易限入局部最小点。针对这种难题,本文设计了该算法。其算法思想主要包含:(1)遗传算法中,优选多个较优函数值作为下一个子步起点进行遗传传递的思想;(2)当遇到单一的驻点不会停止搜索,将模仿人类行为学,继续前进寻找下一峰值。