随着隐身技术和干扰技术的蓬勃发展,跟踪和检测系统将面对较低信噪比的目标。传统跟踪前检测(detect-before-track,DBT)方法需要对测量数据进行门限判决,这将损失目标的很多信息,很难对弱小目标进行有效的检测和跟踪。检测前跟踪(track-before-detect,TBD)方法不对单帧数据进行门限判决,而是对多帧数据进行处理,然后同时给出检测和跟踪结果。TBD方法能够充分利用数据的时间关联性,是弱小目标检测和跟踪的有效方法,成为检测和跟踪领域的研究热点。本文针对HPRF-PD雷达和频率步进雷达的应用,对动态规划和粒子滤波算法进行了深入的研究。论文工作如下:第二章,介绍了雷达的基础理论和经典的检测方法。首先对雷达目标信息的提取和探测距离进行了分析,然后介绍了贝叶斯检测、恒虚警检测以及积累检测等经典检测理论,为后续章节提供了理论支撑。第三章,介绍了动态规划理论在弱小目标检测问题上的优势,并将其应用到HPRF-PD雷达的目标检测上,给出了基于动态规划的TBD算法,通过仿真实验对动态规划算法和传统积累方法在检测和跟踪的性能方面进行了比较。结果表明:动态规划算法对加速目标的检测和跟踪性能均优于传统积累方法。相同信噪比下,动态规划算法受目标机动的影响很小,而传统积累方法的检测和跟踪性能对目标轨迹的依赖性很大,当目标机动变大时,检测和跟踪性能下降明显。第四章,首先建立了基于HPRF-PD雷达的动态模型和观测模型,给出了基于贝叶斯估计的理论推导,得到了目标状态和存在概率的联合概率密度函数以及独立概率密度函数,然后给出了基于粒子滤波的TBD算法流程,并对其中的步骤进行了详细说明,继而介绍了利用和差通道信息进行角度信息测量的原理,提出了可用于角度信息测量的双通道PF-TBD算法。仿真结果表明:动态规划TBD算法运算量较小,易于实现,而粒子滤波TBD算法具有更好的跟踪性能,且在低信噪比下有较高的检测能力;双通道PF-TBD算法可对角度信息进行有效跟踪,在给定的偏离角度下,两种算法的检测和跟踪性能相近,此外双通道PF-TBD算法在差通道信噪比相对较高时对目标出现事件的响应更快。第五章,首先介绍了频率步进雷达的成像原理,然后建立了扩展目标的动态模型和测量模型,通过对目标的一维距离像进行滑窗能量累加得到了目标的能量分布图,然后利用点目标粒子滤波算法在能量图中对目标进行检测跟踪。通过仿真实验比较了PF-TBD算法和传统门限方法的检测性能。仿真结果表明:PF-TBD算法在检测性能上比传统方法有了大幅提升,且能够对目标的距离、速度和回波能量进行有效跟踪。