随着现代战场环境的日益复杂,相控阵雷达作为现代战争的重要组成部分,需要承担更多的任务,因此对雷达自适应资源管理研究就很有意义。其目的就是通过控制雷达参数,在满足跟踪精度的情况下,合理地分配雷达资源,提高雷达使用效率,使其尽可能执行更多的任务,实现多种战术功能。本文针对时间资源自适应管理问题深入研究,旨在找出一种优化的采样策略合理地分配雷达资源,提高雷达的使用效率。主要的研究工作概括如下:首先概述了本文的研究背景、意义及相关研究现状,并简述了相关基础理论知识。其次,分析了几种常用的采样周期自适应策略,针对传统预测协方差门限法运算量大、算法效率低的问题,提出了一种改进的预测协方差门限法。该算法改进传统采样周期的全遍历寻优策略,并将提出的改进算法与其他算法进行仿真比较。仿真结果表明,改进算法在目标跟踪过程中能满足跟踪需求,具有较少的计算量,较高的运行效率。再次,从基于Riccati方程的相控阵雷达稳态资源管理的角度出发,提出了一种基于离线Riccati方程的相控阵雷达采样周期自适应算法。该算法通过Riccati方程离线计算出各模型的最优采样周期,然后利用交互式多模型更新概率对各模型最优采样周期进行混合估计,得到系统的自适应采样周期。算法优势体现在将一定的计算工作离线处理,只在线混合估计,所以算法的效率比较高,能节省计算机运算资源。然后将提出算法与其他自适应采样周期算法进行仿真比较,仿真结果表明,所提算法能达到预期效果。最后,针对实际目标跟踪中目标的机动性较复杂的问题,在上述研究的基础上,将基于“当前”统计模型的混合网格多模型算法与改进的预测协方差门限法相结合,提出了一种混合网格多模型的采样周期自适应算法。该算法不仅能够对目标进行更精确的跟踪,而且还能自适应调整采样周期,节省雷达资源。最后通过仿真比较,证明了提出算法的有效性。