本文围绕雷达数据处理模型开展仿真及验证工作,根据仿真模型库建设的要求,结合雷达数据处理的过程和特点,将雷达数据处理模块划分为三大类(单目标跟踪、多目标跟踪及组网融合跟踪),进行雷达数据处理模型的仿真和验证,重点分析了各种算法的实时性和有效性。最后,依托注入式半实物雷达的录取数据,开展实时组网数据处理融合系统的设计和分析工作,取得了一些有意义的结论。主要工作可概括如下:第一部分对单目标的跟踪滤波算法进行了系统归纳、仿真实现和性能分析。考虑的运动模型有:匀速直线模型、匀加速直线模型、中段弹道运动模型、Singer机动模型等。考虑的滤波算法包括:早期的线性Kalman滤波算法、以扩展Kalman滤波(EKF)为代表的非线性滤波算法,以及用于跟踪机动目标的交互多模(IMM)滤波算法。以飞机类目标和弹道类目标为例,对多种滤波算法的性能进行了比较。得出的结论为:对飞机类目标,为了保证一定的机动目标跟踪能力,宜采用当前统计模型滤波或IMM滤波;对于弹道类目标,为了保证跟踪精度,宜采用基于运动学模型的非线性滤波器,例如EKF。第二部分对多目标跟踪的航迹关联、航迹管理方法进行了系统归纳、仿真实现和性能分析。仿真表明椭球波门和矩形波门的性能相当,均是值得选择的波门;其次对比了最近邻关联算法和概率数据关联算法的性能,仿真表明,在密集杂波情况下,最近邻关联算法极易发生关联错误,而概率数据关联算法的性能稳定;再次,介绍了多维概率数据关联(MPDA)算法,通过两种不同的仿真场景(小间距平行和小角度交叉匀速飞行),验证了关联算法的有效性。第三部分对组网雷达数据处理模型进行了深入研究。以分布式组网为例,采用仿真的方法研究了雷达布站位置、雷达测量误差、雷达组网策略等因素对组网融合精度的影响。得出的结论为:采取三部相近测量精度的雷达组网有助于提高融合精度,雷达采取空间分集也能提高融合精度。不同类型雷达组网精度提高不明显,其融合精度大致和精度最高的那部雷达相当。三部雷达组网比两部雷达组网能较大幅度提高融合精度。最后依托注入式半实物雷达设备,开展了实时组网数据融合处理系统的设计和分析工作,并对通信量和计算量进行了估算,得出了一些有意义的结论。研究表明,分布式组网情况下影响实时性的关键因素是时间配准和航迹关联,其它诸如坐标变换、通信时延和航迹融合的时间是比较小的。论文研究成果可以为仿真模型库的建设提供技术储备,也可以为实时数据处理系统的实现提供参考依据,具有重要的军事价值和现实意义。