雷达发射波形的选取会影响到雷达系统性能。根据雷达的工作环境优化发射波形,有利于雷达从回波中提取更多的有用信息,提高雷达系统性能。此外,雷达接收端信号处理技术日益完善,通过改变接收端信号处理算法提升雷达系统性能变的越来越困难。而雷达自适应波形优化研究尚未成熟,还有很大的研究空间,也是当前智能化雷达系统的研究热点之一。本文的主要工作为雷达自适应波形优化算法研究,包括波形设计和选择两方面内容。主要研究内容包括以下几个方面：在杂波环境下为了提高雷达目标检测性能,本文提出了在多约束条件下基于相对熵的波形优化算法。该算法同时考虑能量约束和恒模约束,在目标冲激响应、杂波冲激响应和噪声为高斯随机模型的假设下,根据信息论中相对熵是误差概率的指数形式,且成反比,建立基于相对熵最大的优化准则。并将多约束条件下基于相对熵准则的波形优化算法从针对目标检测任务扩展到目标识别任务。所提算法能够提高目标检测性能和识别性能,并且满足雷达发射端物理器件对信号幅度的要求；传统的波形优化研究关注于针对单一任务的波形优化,本文提出了针对多任务的波形优化算法。该算法通过SNR准则设计能够提高目标检测性能的频域优化波形,根据频域优化波形通过信号恒模变换方法产生一组时域信号集合,再由基于控制论方法从集合中选出能使目标跟踪性能达到最好的信号,该信号即为最优的发射信号。所提算法能够同时提高目标检测性目标跟踪性能。针对鲁棒目标跟踪任务,提出基于零和博弈的鲁棒波形优化算法。该算法首先根据零和博弈原理设计鲁棒滤波器,在鲁棒滤波器基础之上建立发射脉冲参数和鲁棒跟踪性能之间的联系,确定优化准则,最终通过选择方法确定最优发射脉冲。所提算法使鲁棒目标跟踪性能得到提高。波形优化是优化下一时刻发射波形,该波形能与下一时刻的目标特征更好的匹配,使雷达系统性能得到提高。目前波形优化算法研究利用的是当前时刻目标冲激响应的估计值,然而相邻两时刻的目标冲激响应由于运动目标方位不同而发生变化,因此利用当前目标冲激响应的估计值优化下一时刻的发射波形并不合适。针对上述问题,提出了基于目标冲激响应预测的波形优化方法,该方法首先建立目标动态模型,通过卡尔曼滤波预测出下一时刻目标冲激响应。利用目标冲激响应的预测,优化发射波形。所提方法能使检测性能更加精确。