为了满足多功能相控阵雷达目标高精确跟踪和节省时间资源的需要,本文在经典变数据率跟踪算法的基础上,利用机动目标跟踪中机动辨识参量的优良特性,以不同滤波算法为载体,研究和探索相控阵雷达变数据率跟踪中面临的问题和相应解决的方法。　　 本文通过重点分析跟踪滤波新息的性质及相关机动检测参量的特点,有针对性的对原有算法做出改进,主要研究工作如下:　　 研究了相控阵雷达机动目标跟踪的相关原理和机动目标模型,介绍了几种不变数据率的滤波算法,并分析了各滤波器的滤波特性。　　 介绍了几种变数据率跟踪算法,包括基于α-β滤波器的递推法变数据率跟踪,基于卡尔曼滤波(KF)的加权平方误差平均记忆新息(FMAI)检测的变数据率跟踪及基于扩展卡尔曼滤波(EKF)的递推法变数据率跟踪和基于交互式多模型滤波(IMM)的递推法变数据率跟踪等算法。研究了各算法中变数据率滤波器和相应变数据率算法的原理。　　 在基于α-β滤波器的递推法的基础上,本文研究了基于α-β滤波器的均值法,该方法根据有限时间平均残差的变化自适应的改变采样间隔,对滤波残差进行有限时间平均,利用最近的滤波信息来判断目标的运动趋势,从而改变数据率,该算法比递推法在目标机动期间的跟踪精度略高。　　 针对基于KF的FMAI检测的变数据率方法中,目标机动期间采样间隔会发生波动的问题,本文采用加权平方误差平均记忆加速度(FMAA)作为机动检测统计量,结合卡尔曼滤波器设计了基于KF的FMAA检测的变数据率跟踪算法,该算法利用估计加速度对目标机动反应的准确性,构造FMAA来检测目标机动,结合有效机动检测时间窗口,判断机动的开始和结束,从而改变数据率,通过仿真验证,该方法相比基于KF的FMAI检测的变数据率方法有效地改善了采样间隔的波动问题。　　 针对变数据率跟踪中出现的对机动反应延时的问题,本文研究了基于扩展卡尔曼(EKF)的新息偏差法变数据率跟踪算法,该算法利用归一化新息偏差对机动反应的灵敏特性,自适应地改变数据率,同时对当前采样时刻前两点时刻的采样间隔加权处理,作为当前时刻采样间隔的调节参数,基本保证了跟踪精度与节省系统资源的平衡。通过仿真验证,与基于EKF的递推法相比,该算法对机动反应更快,而且在目标机动期间有较高的跟踪精度,在目标非机动期间也能保持低的采样率。　　 介绍了基于IMM滤波器的新息偏差法变数据率跟踪的结构。并将该方法与基于IMM滤波器的递推法进行了比较,通过仿真验证,基于IMM的新息偏差法比基于IMM的递推法的跟踪精度高,滤波效果好。