认知雷达通过自适应、动态地调整发射信号使其与目标及环境相适应，因而可以大幅提升目标识别性能。在认知雷达研究的诸多问题中，自适应波形设计是认知雷达提高目标识别性能的关键问题。论文首先针对现有最优波形设计方法目标函数不完善、不统一的问题，分别研究将待识别目标冲激响应建模为确定性信号和随机信号模型的最优波形设计方法，建立不同准则目标函数之间的区别与联系；针对目前对最优波形特征随环境变化规律认识不足、难以对各波形性能分析与评估提供依据的问题，研究目标与杂波、噪声之间的关系对最优波形的影响。然后针对面向多目标、动目标的自适应波形设计技术空缺的现状，研究面向多目标和动目标场景的自适应波形设计方法。最后针对固定调制方式调制参数可变的宽带信号波形研究信号参数与目标识别性能之间的关系。论文主要内容概括如下：第一章阐述了论文的研究背景及意义，总结了认知雷达系统的关键技术，论述了针对目标识别的自适应波形设计技术研究的意义，分析了该技术的研究现状及存在的问题，最后介绍了本文的主要工作与组织结构。第二章研究基于确定性信号检测理论的最优波形设计方法。首先，分析了雷达目标识别问题与信号检测、最优波形设计之间的联系，建立了目标识别最优波形设计的确定性信号模型。然后，分别基于Neyman-Pearson准则和最小错误概率准则推导了噪声环境下最优波形设计的目标函数，提出了杂波环境下，以检测性能最优为准则的波形设计方法，克服了传统发射-接收联合最优化技术迭代寻优难以收敛到全局最优值的缺点；在上述研究基础上，将噪声和杂波环境下针对确定性目标识别的波形设计目标函数统一到确定性信号检测理论的框架内。最后，通过仿真实验分析不同环境下最优波形的特点，研究目标能量谱密度与噪声和杂波功率谱密度间的关系对最优波形的影响，并深入分析产生该影响的原因。第三章研究基于随机信号估计方法的最优波形设计问题。首先，建立了随机目标的信号模型，将待识别目标冲激响应视为具有一定先验知识的随机信号。在此基础上，研究了基于线性贝叶斯理论和基于信息论的两类波形最优化设计方法，提出了基于局部SNR最大准则的目标函数，充实了基于线性贝叶斯理论的最优波形设计方法；然后，给出了杂波环境下基于线性最小均方误差估计（LMMSE）、局部SNR和互信息准则的目标函数，并针对噪声和杂波环境，建立了各准则下目标函数的相互关系，揭示了各目标函数的联系，并分析了不同准则最优波形特点及其与环境适应的能力。之后，通过仿真实验研究目标与环境的相互关系对最优波形的影响。论文第二章和第三章针对不同类型（确定、随机）目标识别的波形最优化技术进行了梳理和统一，分析讨论了不同环境下最优波形的特点，为后续最优波形设计问题中目标函数的选择和波形性能的评估奠定了理论基础。第四章针对现有波形自适应方法仅面向单个目标、不适用于多目标识别的问题，研究针对多目标识别的波形自适应技术。首先，建立多目标识别的信号模型，定义了识别性能评判准则。在此基础上，提出了以各目标与观测信号间的互信息线性加权和（WLS-MI）为目标函数的最优波形设计方法，实现对目标数目较少时的最优波形设计。针对基于WLS-MI的方法求解最优波形效率低的问题，从目标冲激响应角度，提出了基于多目标冲激响应线性加权求和（WLS-TIR）及基于多目标自相关矩阵线性加权求和（WLS-ACM）两种最优波形设计方法；从发射波形角度，提出了对各目标的差异最大波形线性加权求和（WLS-ST-D）、对各目标的互信息最大波形加权求和（WLS-ST-MI）以及对各假设的差异最大波形加权求和（WLS-SH-D）三种波形设计方法，以上方法克服了目标数目较多时基于WLS-MI的方法无法获得最优波形的解析表示、需要从高次方程多个根中搜索选择确定最优波形的困难。在以上六种基于线性加权求和最优波形设计算法的基础上，提出了一种权值计算方法及波形自适应方法。最后，通过仿真实验，分析比较了本章所提的各种最优波形设计方法相比于传统固定发射的宽带信号的性能改善，验证了本章所提方法的有效性。第五章针对现有目标识别波形自适应方法仅面向静态目标、对动目标识别的性能下降及其初始误判问题，研究针对动目标识别的波形自适应技术。首先，针对目标运动方向与与雷达视线不一致和一致两种场景分别分析了目标运动对现有波形自适应方法识别性能的影响。然后，针对目标运动方向与雷达视线不一致的场景，提出了利用最小二乘支持向量机预测目标姿态并用于更新最优波形的波形自适应方法；针对目标运动方向与雷达视线一致的场景，提出了基于决策层融合的波形自适应方法。最后，通过仿真实验验证了本章提出的两种方法的有效性，并研究了基于融合的波形自适应方法相对于仅利用宽带信息的波形自适应方法的识别性能改善因子随信号能量的变化关系。第六章针对调制方式不变调制参数可变的波形参数选择问题，研究波形参数与识别性能之间的关系。首先，阐述了适用于具有复杂结构及运动特性目标的信号模型，给出了面向目标识别的序贯假设检验模型。然后，在噪声环境下，以平均观测脉冲次数作为评判目标识别性能的标准，分别针对各次观测独立同分布和指数相关两种情况，推导了平均观测脉冲次数和发射信号的关系，建立了目标函数关于发射信号的表达式。之后，基于杂波环境统计特性，以Kullback-Leibler信息数作为评判标准，推导了Kullback-Leibler信息数与发射信号的关系，建立了杂波环境下目标函数关于发射信号的表达式。最后，针对特定目标，通过仿真实验分析了宽带信号的带宽、载频、脉宽等参数与识别性能的关系。本章研究从理论上为波形参数的选择提供了依据。第七章总结了论文的主要工作和创新点，对下一步的研究进行了展望。