认知雷达通过建立闭环反馈系统对雷达自身参数进行更新优化,其中波形优化技术是认知雷达性能提升的有效途径。认知雷达波形优化的研究包括波形设计方法与最优波形求解方法。通过优化设计和高效的求解算法获得最优的发射波形,可提高雷达的目标检测与跟踪性能。在认知雷达的目标检测估计任务中,目标冲激响应模型在雷达发射波形优化设计过程起着至关重要的作用。本文提出一种自然启发式波形优化(NIWO)框架,用于认知雷达对距离扩展目标的检测估计。NIWO框架首先利用最大后验概率(MAP)和卡尔曼滤波(KF)联合估计方法来估计目标冲激响应。其次,根据估计结果建立波形优化问题模型。最后,为了更准确有效地解决这一非凸的优化问题,将自然启发式算法应用于该问题,通过迭代搜索求得最优波形。基于NIWO框架,本文首先提出基于改进粒子群算法的波形设计方法。标准粒子群算法的搜索精度受设定的惯性权重的限制。因此,在认知雷达波形优化中,为了使该算法更精确地求得最优波形,引入动态权重的思想,根据不同迭代周期对搜索空间的要求,自适应地调节算法的局部搜索和全局搜索能力。仿真结果表明,在对距离扩展目标进行估计时,基于改进粒子群算法的波形设计方法性能明显优于常用的半正定松弛方法。因此,该方法可作为有效的认知雷达波形优化工具。其次,为了进一步研究启发式算法在求解认知雷达波形优化问题时的性能,本文提出基于蝙蝠算法的波形设计方法。该方法中蝙蝠代表所有可能的波形解,每个蝙蝠可调节不同的脉冲频率、脉冲波长、脉冲响度和脉冲发射率等,控制蝙蝠群体的动态行为,从而更精确地对可行域进行搜索。仿真实验表明,相较半正定松弛方法和基于改进粒子群算法的波形设计方法,该方法可以更快地收敛到最优解,目标估计的性能更优。