隐身技术的日趋成熟使得隐身目标的雷达散射截面积(Radar Cross Section,RCS)锐减,导致雷达接收的目标回波信号微弱,给雷达探测系统的检测与跟踪任务带来了极大的挑战。基于贝叶斯框架的雷达目标跟踪方法能为雷达探测系统提供先验信息,其中的概率数据关联(Probabilistic Data Association,PDA)滤波算法和贝叶斯检测前跟踪(Track Before Detect,TBD)方法在微弱目标的检测跟踪任务中表现出优异的性能,逐渐成为近年来的研究热点。但PDA滤波算法进行状态估计时综合考虑关联波门内所有的候选回波,在密集杂波场景中相比理想检测条件下仅使用正确观测的卡尔曼滤波算法滤波误差增大,可能导致探测系统误跟或丢失目标;而贝叶斯检测前跟踪算法通过光学红外传感器模型对原始观测数据建模,算法性能对模型中的传感器模糊量参数非常敏感。现有文献在仿真实验中通常给定传感器模糊量参数,但在工程实践中该参数往往未知或与雷达系统参数不匹配,使得贝叶斯检测前跟踪技术难以应用于实际的雷达探测系统。本文针对上述问题,对PDA滤波算法和贝叶斯检测前跟踪算法进行改进,提升两种方法对微弱目标的跟踪性能,主要内容总结如下:1.围绕贝叶斯框架下的雷达目标跟踪方法,研究了贝叶斯估计和系统动态空间理论,将贝叶斯框架下的目标跟踪问题形式化为目标状态的后验概率密度估计问题;研究了递推贝叶斯估计的最优算法和次优算法,为后续研究奠定理论基础。2.针对PDA滤波算法在密集杂波场景中滤波误差增大的问题,研究了融合RT-S(Rauch-Tung-Striebel)平滑的PDA平滑算法。该算法基于概率数据关联滤波算法,在PDA滤波的基础上结合最优平滑思想,将平滑作为一种事后数据处理技术提高了数据处理精度;并且在前向滤波的同时后向平滑,缓解了平滑估计输出滞后的问题,进而提高PDA滤波算法在杂波密集场景中跟踪精度。3.针对贝叶斯检测前跟踪技术中传感器模糊量未知和失配的问题,给出了一种自适应设置传感器模糊量的方法。该方法基于高斯分布的分位数思想,根据雷达系统参数自适应调节传感器模糊参数,使得目标强度分布和噪声强度分布在给定的分位点处分开。通过一系列计算机数值仿真实验证明,给出的自适应传感器模糊量设置方法能够有效改善雷达系统目标的检测、跟踪性能,同时增强贝叶斯检测前跟踪算法的稳健性。