随着弹道导弹(TBM)突防和反弹道导弹突防技术的发展,弹道导弹目标利用其具备的高速度和大机动来实现其突防的目的。雷达作为反导防御系统中的主要传感器,其信号处理和数据处理方法面临新的挑战、存在新的特点,需对高速机动目标的参数测量和估计方法进行深入研究,以提升雷达对高动态目标的探测跟踪性能。针对雷达对高动态目标的参数估计问题,本文从雷达测量误差补偿、高动态目标滤波跟踪和运动模型、质阻比估计与类别辨识等方面开展研究。首先研究了雷达测量距离-多普勒耦合误差补偿和大气折射误差补偿问题,分别提出了距离-多普勒耦合误差开环补偿方法、大气折射误差高斯迭代补偿方法,对雷达测量值进行修正,为实现目标高精度参数估计奠定基础。针对高动态目标的高速度和高机动特性、雷达测量的非线性问题,对比研究了α-β-γ滤波、Kalman滤波、扩展Kalman滤波(EKF)、转换量测Kalman滤波(CMKF)和无敏Kalman滤波(UKF)五种滤波方法,从跟踪精度、运算效率和收敛速度等角度,对各滤波算法进行了评估,仿真结果表明,UKF方法滤波精度最高,EKF和CMKF方法滤波精度较高、运算量适中。研究了高动态目标的滤波跟踪运动模型,对比研究了修正J2弹道模型、Singer模型、再入修正J2弹道模型、机动再入修正J2弹道模型四种运动模型,并仿真验证了各模型对高动态目标的滤波跟踪性能。仿真结果表明,为得到较高的跟踪滤波精度,运动模型需对目标所受作用力的加速度准确建模。提出了一种参数化交互多模型滤波方法,根据任务特点、目标特性、飞行阶段等调整模型结构组成,根据任务目标类型参数化装订和实时调整模型个数、模型类型、模型变量等参数,根据目标运动特性进行多模型的自适应切换和交互,在非线性系统模型及非线性测量模型条件下获得高精度滤波效果。仿真验证了该方法的有效性,可对高动态目标实现高精度滤波跟踪。提出了一种基于质阻比估计的弹道目标类别辨识方法,将质阻比作为状态变量,使用非线性滤波器估计质阻比;基于质阻比滤波值,针对质阻比估计值收敛辨识和目标类别辨识问题,构建动态贝叶斯网络模型,递推计算质阻比估计值已收敛和目标类别的后验概率,采用最大后验概率准则完成辨识。仿真验证了该方法的有效性,可准确识别弹头和轻诱饵目标。