面对日益复杂的电磁环境和多样化的任务,单无人机雷达已满足不了系统越来越高的性能需求。分布式无人机雷达系统不仅具有更高的探测、跟踪和定位能力,还具有更强的反隐身和抗干扰能力。分布式无人机雷达系统的资源有限,在保证达到系统性能指标的前提下,有效地对雷达系统的资源进行合理分配,对进一步提高系统的资源利用率具有重要意义。本文基于分布式无人机雷达系统的协同感知和态势共享获得的环境、目标、噪声和杂波的先验信息,以建立不同约束条件下的资源优化模型,选用合适的优化算法求解优化问题,仿真验证算法的可行性为基本研究思路,对发射波形设计、目标定位时的功率分配、系统重构时的子集选择三个方面涉及的相关资源展开了基础性的研究,并利用合适的模糊规划模型和模糊优化算法对某些含有模糊参数的目标函数进行建模、求解和分析。本文的主要工作和创新点如下:1.以线性调频(Linear Frequency Modulation,LFM)信号为基础,研究了无人机雷达在非高斯杂波环境下的波形设计问题。首先建立了带宽和发射能量约束下,以最大化信杂噪比(Signal-to-Clutter-plus-Noise Ratio,SCNR)为目标函数的优化模型;然后利用非线性规划遗传算法(Nonlinear Programming Genetic Algorithm,NPGA)求解目标函数,得到了最优发射波形;最后仿真验证了NPGA相比内点法具有更快的收敛性;且在相同的约束条件下,优化后的波形相比频率扩展LFM信号具有更好的SCNR性能。2.研究了基于目标定位的功率分配问题。一方面研究了在目标定位误差一定时,最小化系统的发射功率;另一方面研究了在系统总功率一定时,最小化目标的定位误差。在对现有功率分配策略进行适当改进的基础上,实现了最小化系统发射功率或最小化目标定位误差的目的。3.考虑目标雷达截面积(Radar Cross Section,RCS)的模糊性,首先建立了基于模糊机会约束规划(Fuzzy Chanced-Constrained Programming,FCCP)的最小化系统总功率的分配策略;然后利用混合智能算法求得了FCCP问题的最优解;最后通过系列仿真,验证了FCCP模型在研究含有模糊变量的优化问题时相比不考虑模糊的情况,前者具有更好的稳定性和更高的参考价值。4.研究了无人机雷达系统的子集选择问题。一方面选择最少数目的雷达以达到给定的目标定位误差,同时考虑雷达成本因子的模糊性,建立了基于模糊线性规划(Fuzzy Linear Programing,FLP)的最小子集选择策略;另一方面选择给定数目的子集雷达以使目标的定位误差最小。仿真结果验证了两种情况下子集选择策略的有效性,并得出在对雷达成本因子的先验信息了解较少时,基于FLP模型的最小子集选择策略相比不考虑模糊的情况,前者具有更好稳健性的结论。