分布式雷达系统通过组网技术,将多个广域分布的雷达组织起来协同探测,可有效提升雷达系统的空域覆盖能力、目标跟踪性能以及系统稳健性,是现代化雷达发展的重要趋势。相比于传统单雷达系统,在面对复杂任务时,分布式雷达具有体制上的优势,且在资源参数选择上具有更高的自由度。然而,在某些特定的应用背景下,系统资源是有限的,如何有效管理系统资源,最大化系统效能成为关键。资源管理技术通过优化配置雷达系统资源,可以充分发挥系统效能,提升系统综合探测能力,是分布式雷达系统的一项关键技术。而资源管理技术的核心是根据不同的雷达应用场景设计针对性的资源分配算法。因此,本论文针对不同的雷达体制、不同的性能需求,深入研究了分布式雷达资源分配策略和优化。主要的工作包括以下内容:1.研究了 MIMO雷达网络多目标跟踪场景下的资源分配算法,提出了一种联合节点分配和方向图设计算法。该算法以预测条件克拉美罗界（Predicted Conditional Cramer-Rao Lower Bound,PC-CRLB）为性能准则,建立了节点分配和波形相关矩阵设计的联合优化模型。由于节点分配变量为二进制变量,联合优化问题为非凸问题。为有效解决该问题,提出了一种序列凸规划优化方法,采用近似技术将原非凸问题转化成凸问题迭代求解。仿真实验表明,该分配算法可自适应合成理想方向图,有效改善多目标跟踪精度。2.研究了分布式异步雷达跟踪模式下资源分配问题,提出了一种联合功率和带宽分配算法。针对异步雷达网络,采用周期分配思想,给定分配时间间隔,优化节点的功率和带宽资源。该算法推导了分配时刻的贝叶斯克拉美罗界,以克拉美罗界为性能准则,给定总功率和带宽资源约束,建立了联合分配模型;通过证明信息缩减因子（Information Reduction Factor,IRF）与功率的单调性和带宽的不相关性,验证了该分配问题的单调性;基于单调性优化理论,采用分支缩减定界算法求解。仿真实验表明,该分配算法可自适应分配功率和带宽,降低目标跟踪误差。3.基于检测跟踪联合处理框架,研究了分布式雷达资源分配算法。目的是利用跟踪器的反馈信息设置检测门限,采用贝叶斯跟踪意识检测,结合资源管理技术,最大化跟踪精度。为此,本文提出了一种联合门限优化和功率分配算法。该算法推导了贝叶斯克拉美罗界,并改进了 IRF;以最小化克拉美罗界为目标函数,建立联合优化模型;提出了一种基于谱梯度的优化算法对优化问题求解,其中门限优化可通过离线查表完成。仿真实验表明,采用贝叶斯跟踪意识检测,结合功率优化分配,可显著改善跟踪精度,实现检测跟踪联合处理。4.针对运动平台雷达位置不确定性条件,研究了分布式雷达多目标跟踪和数据筛选问题。多雷达协同探测往往能量消耗较大,并存在数据冗余。为解决该问题,本文提出了一种联合功率分配和量测选取算法。目的是同时分配节点功率和选取量测路径。首先,针对雷达位置未知条件,采用分布式融合框架同时估计目标和雷达运动状态。并基于分布式融合框架,结合量测不确定度和位置不确定度,推导了 PC-CRLB。然后,分别以加权PC-CRLB和路径选取数量表示跟踪和数据筛选性能,构建了双目标优化函数。由于分配问题同时包含连续和二进制变量,属于NP难。最后,提出一种稀疏增强序列凸规划算法,求解分配问题。仿真实验表明,该分配算法可同时改善跟踪精度,降低路径选取数目,兼顾了跟踪和数据筛选性能。5.针对搜索加跟踪任务需求,研究了多功能雷达资源分配问题。多功能雷达节点针对不同的任务需求可工作不同的模型下。执行搜索任务时,发射宽波束实现监测区域的快速覆盖;执行跟踪任务时,发射窄波束实现目标方向高增益。为有效改善两种任务的性能,本文提出了一种联合节点和功率分配算法。首先,将多功能雷达网络划分为两个子网,分别执行两种任务;然后,建立了同时搜索和跟踪的联合节点和功率分配优化模型。最后,针对非凸离散分配问题,提出了一种基于双层优化的多目标粒子群算法求解。该优化算法通过引入双层优化框架,将原分配问题转化为上、下两层,上层采用粒子群机制更新节点分配变量,下层优化功率分配对节点分配变量进行性能评估。仿真实验表明,该分配算法可同时兼顾搜索和跟踪性能,有效提升雷达综合性能。