认知雷达改变了传统雷达相对固定的信号发射与处理方式,通过与环境的交互与反馈,实现了雷达系统的闭环结构,能够更好地适应复杂的电磁环境。针对机动目标跟踪的认知雷达波形选择算法,能够在发射端智能地调整波形参数,有利于提高雷达的跟踪性能。本文研究的主要内容为基于认知雷达的相关理论,针对机动目标跟踪,通过优化算法,实现对发射波形的最优选择。在目标跟踪过程中,通过遍历波形库计算代价函数,寻找最优波形,降低跟踪误差,使雷达在面对高机动目标时保持良好跟踪能力。首先,本文从检测估计理论出发,通过分析测量误差的克拉美罗下限,对发射波形参数与机动目标跟踪之间的关系进行建模,明确了调频脉冲信号中影响跟踪精度的两个参数:脉宽和调频率。通过仿真对比了三种不同类型发射信号在跟踪时的测量误差的克拉美罗下限和多普勒频移容忍性,经过分析比较后选择线性调频脉冲（LFM）信号作为发射波形来建立波形库。然后,针对机动目标跟踪,通过建立二维波形库和最小均方误差准则实现认知雷达发射波形的优化选择。分析并推导了基于卡尔曼滤波的认知雷达最优波形选择算法,通过仿真论证了算法的跟踪性能。通过仿真分析可得,该跟踪算法在每次发射波形时,能够自适应地调整波形参数;通过和单一波形参数的跟踪性能进行对比后发现,该波形选择算法能够降低距离和速度误差,提高跟踪精度。最后,针对真实情况下的复杂机动目标,引入交互式多模型（IMM）算法,对复杂机动目标进行跟踪。同时针对波形库存在大量冗余波形的问题,通过对LFM信号的分析,进一步精简了波形库,并仿真验证了基于新波形库的交互式多模型的跟踪性能。仿真结果显示,波形库精简后,仍能保持良好的跟踪效果,同时进一步减小了运算量,使认知雷达波形选择算法更有利于工程应用。