传统雷达发射波形固定,在复杂多变的战场电磁环境中性能有限。随着现代高速信号处理器与高功率微波放大器件的发展,雷达发射灵活多变的任意波形成为可能。在复杂战场电磁环境中通过自适应的发射最优波形来主动适应目标和环境特性的不断变化,提高雷达系统在动态环境中的性能,具有重要的军事应用价值。论文着眼雷达系统高度智能化发展的需求,以提升雷达系统性能为目的,研究基于信息论的雷达波形优化设计问题,并将基于信息论的雷达波形优化方法推广应用于智能干扰机波形最优化问题中,得到了一些有意义的方法和结论。分辨率是雷达系统的重要指标之一,直接关系到雷达系统的检测和跟踪性能。论文回顾了基于模糊函数的雷达名义分辨率,在此基础上讨论了考虑观测模型和测量、估计误差的多种实际分辨率。基于检测理论和信息分辨率提出了Kullback-Leibler散度意义下的雷达系统实际分辨率。该实际分辨率是Woodward模糊函数意义下名义分辨率的推广,不仅考虑了发射信号的模糊函数特性,还将测量模型和测量噪声纳入分辨率定义中,是对传统分辨能力的丰富和完善。为了解决提高雷达系统实际分辨率的波形优化问题,在上述Kullback-Leibler散度定义的实际分辨率理论下,采用Kullback-Leibler散度准则函数提出了最大化雷达系统实际分辨率的发射波形参数自适应方法,通过波形参数自适应调整有效提高了雷达系统对两个临近点目标的分辨能力。进一步的,论文将该方法应用于双基地雷达体制,提出了联合优化发射波形参数和双基地基线长度从而提高双基地雷达实际分辨率的波形优化方法。采用本文提出的提高目标分辨性能的雷达自适应波形设计方法,在发射波形能量约束条件下有效提高了雷达系统的实际分辨率。提高实际分辨率的波形优化方法是检测、跟踪和目标识别波形设计研究的前提和基础。目标识别也是雷达系统的一项重要任务。两目标观测的概率密度函数之间的Chernoff散度影响了两个点目标识别的错误判决概率。在提高雷达系统目标识别性能的波形优化方法研究中,论文以Chernoff散度为准则函数,提出了一种波形参数最优化方法,从而提高了发射波形能量约束条件下雷达系统对两个点目标的识别性能。进一步的,对于多个扩展目标识别问题,建立多元假设检验模型,采用似然比检验和判决来判断多类扩展目标中哪一类目标出现。采用序贯假设检验的方法进行多次雷达观测并最终达到判决条件,在每次雷达观测时利用贝叶斯概率更新方法,获得当前时刻每一类目标可能出现的概率,从而不断更新目标和环境信息,利用该实时信息设计不断变化的任意发射波形。该方法在发射波形能量和包络恒定的约束条件下,通过波形自适应变化降低了平均所需的雷达观测次数,从而提高了扩展目标的识别性能。在此基础上,论文基于Kullback-Leibler散度和互信息这两种信息论准则,在多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达体制下研究了提高多个扩展目标识别性能的波形优化问题,得到了提高MIMO雷达目标识别能力的最优发射波形功率分配策略,推广了单输入单输出(Single-Input Single-Output,SISO)雷达的结论,在发射波形功率一定时有效降低了MIMO雷达目标识别所需的平均雷达观测次数。通过上述研究,论文基于信息论中的准则函数提出了雷达系统在两个或多个目标环境中提高分辨能力和识别效率的波形优化方法,明显提升了雷达系统的性能,对现有文献中的波形设计方法进行了补充和推广,具有一定的应用价值。最后,论文将上述基于信息论的雷达波形优化设计的一些典型方法和结论应用于智能干扰机波形设计研究中。智能干扰机可以通过截获的雷达波形信息和目标环境信息自适应调整干扰波形,来提高干扰机的工作性能,其基本原理与雷达波形优化类似,因此基于信息论的波形优化方法可以应用于干扰机波形设计中,并为雷达干扰机一体化研究以及雷达与干扰共存的复杂环境最优波形设计奠定基础。论文采用信干噪比和互信息准则,提出了两种干扰波形最优化方法,得到了不同干扰目的下的最优干扰功率分配策略,从而在干扰功率一定的约束条件下最大程度降低了雷达系统的检测概率和参数估计精度。在干扰波形优化问题研究中,假设先验信息是精确已知的,但在实际应用中,某些先验信息需要通过参数估计来获取,因此论文进一步考虑先验信息不确定情况下如何最优化干扰机性能下界的鲁棒干扰波形优化方法。鲁棒干扰设计使最差情况的干扰性能获得最优化,提升了干扰机在先验信息不确定环境中的干扰性能。通过干扰波形最优化问题的研究,对基于信息论的波形优化设计有了更加深刻的理解和认识,并拓展了基于信息论的雷达波形优化设计的应用范围,为雷达和干扰相互影响相互作用的环境中同时设计二者最优波形提供了依据。