随着现代信息化程度的不断提高,军事技术的发展对现代雷达的要求越来越高,同时目标多样化、环境复杂化和任务多元化,也加速了现代雷达向智能化方向发展的步伐。认知雷达由此应运而生,它是一种智能化的新体制雷达系统,它能够利用所感知的目标和外部环境信息以及其它先验知识,智能地选择发射信号,因而得到了广泛研究。本文将传统认知雷达系统中的贝叶斯滤波器替换为应用更广泛的卡尔曼滤波器,并建立了认知跟踪雷达系统。首先,在认知雷达的基础之上,研究了认知跟踪雷达系统的整体结构、数学模型、跟踪原理及设计细节。其次,选用了两种性能较佳的发射信号模型：线性调频信号和超宽带混沌信号,并分别对其进行了仿真。结果表明,将线性调频信号作为发射信号并对其回波信号进行脉冲压缩技术处理,或将具有大时宽-带宽积特性的正弦波嵌入式超宽带混沌信号作为发射信号,均可以很好地解决探测精度与分辨力之间的矛盾。再次,对认知跟踪雷达的回波信号进行了滤波处理与仿真,先后分析了卡尔曼滤波算法、扩展卡尔曼滤波算法、无迹卡尔曼滤波算法以及容积卡尔曼滤波算法,并在此基础上建立了迭代容积卡尔曼滤波算法,该算法降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差,极大地提高了认知跟踪雷达的性能。最后,利用MATLAB软件对上述几种滤波算法分别进行了仿真,仿真结果表明迭代容积卡尔曼滤波算法与传统的滤波算法相比,在认知跟踪雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强。