近年来,随着现代科技与武器装备力量的飞速发展,雷达在军用和民用中都占据着重要地位。现代雷达所处的探测环境复杂多变,仅仅是跟踪单目标已经不能满足实际应用环境,因此,多目标跟踪下的雷达系统受到越来越多的研究。理论上,系统中雷达个数越多,消耗资源越多,相应的跟踪精度就越高。但是,在满足任务跟踪精度的前提下耗尽所有的雷达系统资源会造成不必要的浪费,并且在实际应用中,具体的雷达任务会对系统的射频隐身性能有相应的要求,或者在资源有限的情况下,需要提高雷达使用效率。因此,对多目标跟踪下的雷达资源管理的研究具有重要意义。本文共研究了三方面问题,一是基于资源有限的情况下提高雷达系统跟踪精度的资源管理问题,二是基于提高雷达系统射频隐身性能的资源管理问题,三是提高目标容量的资源管理问题,具体内容如下:1.针对性能最优的雷达资源管理问题,研究了在多目标跟踪下,组网雷达带宽和驻留时间联合分配方法。本文提出了一种基于后验克拉美罗下界（Posterior Cramer-Rao lower bound,PCRLB）的带宽与驻留时间联合分配算法,首先构建了带宽、驻留时间与目标跟踪精度的影响关系模型,从而设计了基于后验克拉美罗下界的带约束的优化目标函数,利用遗传算法求解实现对驻留时间与带宽的联合分配。仿真结果表明,与平均分配资源相比,本文算法在资源有限的情况下,通过合理分配资源,提高了雷达系统的跟踪性能。2.针对提高雷达系统射频隐身性能的资源管理问题,研究了在满足一定跟踪精度的前提下,最小化雷达系统资源消耗的功率与带宽联合分配方法。此方法首先以雷达发射功率与带宽的加权和为代价函数,其次,对后验克拉美罗下界进行预测,以组网雷达系统的性能参数和跟踪精度阈值不大于PCRLB为约束条件,构建包含雷达对目标选择结果,发射功率和发射带宽三个变量的优化模型。然后,确定雷达对目标的选择,利用遗传算法进行求解,得到功率与带宽的优化分配值,再利用Hopcroft-Karp算法进行雷达与目标的最佳匹配选择。仿真结果表明,与资源平均分配算法相比,本文算法使组网雷达系统的资源消耗有所降低,从而提高了射频隐身性能。3.针对基于目标容量的雷达资源管理问题,本文提出一种带宽分配方法来增加满足跟踪精度的目标个数。该方法同样采用后验克拉美罗下界作为衡量目标跟踪精度的性能指标,首先将含有发射带宽参数的目标容量问题构建为一个非凸非光滑的模型,再利用Sigmoid函数将其松弛为一个相对简单求解的优化问题,最后采用改进的遗传算法对松弛后的问题进行求解。仿真结果表明,与传统平均分配算法和近端非精确增广拉格朗日乘子法（PI-ALMM）相比,本文算法可以在确保跟踪性能的基础上较好的增加满足跟踪精度目标的个数。