随着电子战在未来军事领域中的地位日益提升,电子侦察作为电子战的先驱愈发显得关键重要。在实际战场环境中,通过运用电子侦察手段,往往能够提前获取到敌方雷达辐射源信息,从而可以快速制定相应的军事策略并采取行动加以防护,极大提升了侦察方的威胁告警以及军事防御能力。然而,从传统的电子侦察手段看,之前所采用的侦察方式大多都是针对辐射源个体的静态信息而进行的,并不能针对辐射源的行为属性及意图进行深入地分析,以实现辐射源动态信息的提取,从而为后续的战情部署提供强而有力的支撑。针对以上问题,本文主要工作如下:1、研究了相控阵雷达行为理论,并且实现了行为模式的建模仿真与特性分析。首先,从相控阵雷达系统的基本原理入手,探究了相控阵雷达的系统组成结构,并针对相控阵雷达在搜索、复合、跟踪等多个状态下的多种工作模式进行了详细地理论分析;其次,依据典型战情场景进行了想定建模,并对各类工作模式进行了仿真;随后,依据相控阵雷达资源调度策略,探究了各类工作模式的切换准则;最后,通过对各类模式工作原理的分析,提出了一组可供后续行为识别及推理的模式描述字。2、研究了相控阵雷达行为识别技术。首先,根据机器学习算法中提升算法Ada Boost和支持向量机SVM各自的优势特点,实现了二者的算法融合,并且以Ada Boost-SVM融合算法为基础,针对各类行为工作模式提出了一个在不同信噪比条件下的最优模式识别模型;随后,通过寻优化MLP网络以及大量的组合实验,提出了一个针对各类工作模式识别的最优网络架构,达到了不错的模式识别效果。3、研究了相控阵雷达行为意图推理技术。首先,依据长短期记忆网络LSTM可对长时间序列进行状态存储的特性,通过探究多层LSTM网络对时序信息流深层变化特征的敏感程度,提出了一个可用于行为模式推理的网络架构;其次,借助一维CNN可对时间序列进行特征提取的优势、Encoder-Decoder框架的语义转换特性、Attention机制的重要特征焦点化特性,通过对LSTM网络的进一步融合改进,最终构建出了一个混合型网络架构,并通过实验验证了相比其他网络结构有着更佳的行为意图预测能力。