针对间歇采样转发干扰识别问题, 提出一种多域识别融合算法。首先分析了真实目标回波和间歇采样干扰(直接转发、重复转发、循环转发)4类信号在时域、频域和分数阶域的内部差异, 并对各域进行奇异谱分析(SSA), 得出的SSA结果可作为区分信号差异的依据; 其次构造时、频、分数阶域3个基分类器, 提取4类信号时、频、分数阶域奇异谱峰度与斜度作为基分类器的特征因子进行训练验证; 最后联合后验概率和局部可信度构造基本概率赋值函数, 对各基分类器识别结果进行DS融合判决。仿真结果表明, 融合识别方法能够平衡各基分类器识别结果, 当SNR为0 dB、JSR大于5 dB时, 平均识别率超过95%。

针对高速机动目标回波发生距离走动和多普勒走动而无法实现能量有效积累问题, 提出一种基于速度补偿的二阶Keystone-双正交傅里叶变换（SKT-BFT）的相参积累算法。首先, 构建关于速度的一次相位补偿函数, 通过搜索速度值来校正速度引起的线性距离走动; 其次, 采用二阶Keystone变换来校正加速度带来的距离弯曲; 最后, 将慢时间维信号看作线性调频信号, 利用双正交傅里叶变换估计调频斜率来实现能量积累。通过仿真证明, 该算法在低信噪比下可以有效地实现积累, 能够实现单目标和多目标的检测, 与其他算法相比性能较优。

针对噪声调幅干扰抑制存在实时性较差的问题,提出了一种基于FFT频偏快速修正的噪声调幅干扰抑制算法。首先,采用基于FFT的频偏快速修正算法对噪声调幅干扰的中心频率进行精确估计,并通过减少复数乘法运算次数有效降低运算量；然后,利用估计得到的干扰中心频率,通过解调公式对信号和干扰进行解调,得到信号和干扰的双边谱分布；最后,在频域上对解调信号进行分步两次对消,并对时域上信号进行恢复,从而完成对噪声调幅干扰的抑制。仿真分析结果表明,该算法能够在明显降低计算量的前提下有效抑制噪声调幅干扰。

针对压制干扰的存在性检测问题，提出了一种适用于脉压雷达的基于FRFT域峰值特性的压制干扰检测算法。首先，从完整的雷达抗干扰系统角度考虑，提出了将压制干扰存在性检测与目标检测、干扰分类相结合的总体思路；其次，在充分分析FRFT域LFM信号和压制干扰信号峰值特性差异的基础上，选取回波信号在FRFT域的峰值阶次作为检测算法特征参数；然后，采用序贯判决算法对多段回波信号在FRFT域的峰值阶次进行判别，从而完成压制干扰的存在性检测。最后，通过仿真实验验证了算法的有效性。

针对现有相位差分法在低信噪比条件下估计线性调频(LFM)信号瞬时频率性能明显下降的问题，提出了一种改进的基于N阶相位差分法的瞬时频率估计算法。首先，在相位重构的基础上，针对信噪比阈值引起的频率突变问题，设置自适应的累积增量门限来确定频率突变位置，并利用循环迭代进行插值修正；然后，通过高阶的相位差分估计瞬时频率，以充分利用重构相位包含的跳变信息，并采用迭代变权最小二乘的方法进行线性拟合；最后，引入自适应的思想来处理不同频率的输入信号，增强处理低频输入信号的能力。仿真结果表明，相对于现有相位差分法，改进N阶相位差分法在保持低运算量的同时提升了抗噪性能，对输入信噪比的下限要求降低了约4 dB。

针对单时刻雷达网距离多假目标鉴别可靠性低的问题，提出了一种基于空时特性的雷达网距离多假目标鉴别方法。首先，通过雷达网目标量测预处理，将各组网雷达目标量测转换至地心直角坐标系，以实现目标量测的坐标系统一；然后，基于真-假目标量测的空间分布特性构建检验统计量，通过单时刻的关联检验实现真假目标的初步鉴别；最后，对多个时刻检验进行积累，以增强目标量测判别的可靠性。仿真结果表明，利用多个时刻检验积累与单时刻检验相比能够提高距离多假目标鉴别的可靠性。

针对雷达网在鉴别距离多假目标干扰过程中, 鉴别效果随距离多假目标密集程度增大而变差的问题, 提出了一种基于目标径向速度估计的距离多假目标干扰鉴别方法。首先, 选定基准雷达并进行量测分组预处理, 将其他组网雷达目标量测转换至基准雷达局部坐标系下进行基于位置信息的量测关联, 以初步排除不相关的虚假量测与杂波, 同时减小计算量; 然后, 基于坐标转换后量测的位置信息估计出目标径向速度, 与基准雷达径向速度量测进行检验, 以实现虚假目标的鉴别。仿真结果表明, 此方法在距离多假目标密集程度较大的情况下具有较高的正确鉴别率, 且能够对目标进行稳定跟踪。

针对距离多假目标干扰下雷达网优化选择问题, 建立了虚假目标量测点的马氏距离模型；在此基础上, 根据非中心卡方分布的性质, 分析了非中心参量的变化对虚假目标错误鉴别概率的影响；然后分别研究了雷达网同目标的相对位置、欺骗距离、雷达量测误差与非中心参量的关系, 继而得到其对雷达网虚假目标错误鉴别概率的影响；最后进行仿真实验验证了分析的正确性, 对雷达网优化选择具有理论指导意义。

针对临近空间高超声速目标飞行速度快、机动特性强和周期性滑跃的运动特点, 提出一种基于不同正弦模型(Sine模型)相交互的临近空间目标跟踪算法。首先, 针对临近空间目标所特有的周期性滑跃特性的运动轨迹, 采用基于低角速率的Sine模型有效解决现有机动目标模型对临近空间目标跟踪精度不高的问题; 然后, 针对目标滑跃式轨迹运动的特点及其参数未知的情况, 通过多个不同角速率的正弦模型相交互, 进一步提高正弦模型与临近空间目标所特有的周期滑跃式轨迹的匹配程度。仿真实验表明, 与现有的临近空间目标跟踪算法相比, 该算法具有更好的定位跟踪精度。

针对临近空间高超声速目标检测前跟踪问题，提出了一种基于随机Hough变换的检测前跟踪算法。通过对临近空间高超声速目标量测数据进行误差分析，采用时间-径向距离平面进行随机Hough变换，将量测转换到参数空间，并通过计算分析得到参数空间中进行参数合并时允许误差的选取标准，对目标量测进行积累。通过仿真对算法有效性进行了验证，并将本文算法与标准HT-TBD算法进行了比较分析。仿真结果表明，相比于标准Hough变换，本文算法能够有效减少算法运行时间和虚假航迹数，对临近空间高超声速目标进行有效检测。