雷达在当代探测体系中担负着侦查,检测,识别,跟踪等主要任务。现代战场环境越来越复杂,单部雷达的探测能力会受到限制。作战形式多样要求雷达系统逐渐从单雷达系统转向多平台雷达系统。本文基于多雷达协同分层探测结构,分别采用基于准则函数,神经网络,强化学习方法,实现环境感知及雷达参数优化,并在不同环境下对协同探测系统的跟踪性能进行分析。本文首先介绍了课题背景意义,对协同探测的不同理论基础,协同系统的国内外研究发展情况进行了介绍,接着对协同探测雷达的各模块进行了剖析,随后构建了协同探测系统的发射波形模型,保证雷达之间的波形正交性,同时分析雷达波形参数对信噪比以及量测的影响,并推导了后续协同探测系统仿真实验时所用到的信噪比计算方法。随后,建立无杂波环境下基于单基地及融合中心的协同探测系统,提出针对协同探测结构的分层准则函数方法,分析调整波形参数对跟踪单目标精度的影响。进一步针对杂波存在的复杂环境,提出了将扩展卡尔曼滤波与概率数据关联方法相结合,对杂波等复杂场景下环境变化时如何调整波形参数进行了分析。针对单目标跟踪时的波形参数智能选择问题,提出了基于神经网络的多雷达单目标协同跟踪处理框架,在单部雷达及层级二融合中心雷达双重准则函数约束下,通过神经网络学习实现协同探测波形参数选择。为了提高训练速度,应对场景变化下的自适性参数选择问题,开展基于多智能体强化学习的波形参数选择方法研究,提出了基于分层强化学习的波形参数选择;通过仿真实验,验证了该方法可以在保证跟踪性能的同时更快实现在线波形参数选择。