为了适应日益复杂的目标跟踪场景,如何充分利用雷达网络的资源获得期望的目标跟踪效果成为一个火热的研究课题,本文围绕这一课题展开讨论,研究分布式雷达网络认知多目标跟踪方法:首先,针对分布式雷达网络认知多目标跟踪中的基本问题进行研究,主要包括状态估计滤波算法、带有反馈环节的分布式融合算法、目标跟踪性能描述参数,为后续分布式雷达网络认知多目标跟踪方法的设计奠定了基础。其次,对基于分布式相控阵雷达网络的认知多目标跟踪进行研究,分别给出穷举匹配关系的黄金分割资源优化方法、启发式匹配关系的黄金分割资源优化方法、启发式匹配关系的多项式求解资源优化方法。其中,穷举匹配关系的方法穷举所有的目标-雷达匹配关系,计算每部雷达所需提供的发射能量资源,选择其中跟踪精度偏差总和最少或资源消耗总和最少的情况。为减少运算量,提出基于启发式匹配关系的雷达分配,依次为跟踪精度偏差较大的目标选择距离较近的雷达,并在此基础上,分别利用黄金分割法和多项式求解法计算雷达的发射能量。接着,对基于分布式共址多输入多输出（Collocated Multiple Input Multiple Output,CMIMO）雷达网络的认知多目标跟踪进行研究,建立了一个双目标函数优化问题模型,通过启发式匹配关系、假设分配选择、黄金分割资源优化等方法求解问题,提出分布式CMIMO雷达网络认知多目标跟踪方法。该方法自适应地控制子阵划分、波束指向、发射能量,在期望跟踪精度严格时,能够极小化跟踪精度偏差总和,使用有限的系统资源达到接近期望值的跟踪精度;在期望跟踪精度宽松时,能够极小化资源消耗总和,保证目标跟踪精度并节约大量的系统资源。最后,根据CMIMO雷达工作模式的不同,分别建立分布式相控阵-单波束CMIMO、分布式相控阵-多波束CMIMO异构雷达网络认知多目标跟踪框架,形成一个双目标函数优化问题,并提出对应的认知多目标跟踪方法。所提出的方法能够自适应调整子阵划分、波束指向、发射能量,进而影响匹配关系,从而在使得目标跟踪精度贴近期望值的同时减少系统发射能量。