雷达抗干扰作为认知电子战不可或缺的组成,在信息化的现代战争中发挥着重要作用。随着电子信息装备越来越多的应用在战争中,战场对可靠、快速、自适应的抗干扰方法需求越来越大。抗干扰方法和技术的研究现在已有大量的研究成果,受制于雷达本身发射、接收、信号处理水平的限制短期内很难再有突破性的进步。充分有效的发挥现有抗干扰方法的抗干扰能力成为雷达抗干扰的一个新的突破点。快速准确的抗干扰决策方法可以直接影响到战局的进程,掌握战争的主动权。现有的基于博弈论或深度学习抗干扰决策方法在决策的准确性和时效性方法都已经有了长足的进步。但是,这些决策方法依赖于对干扰信号的处理结果,在原理上雷达抗干扰只能被动反应,使抗干扰始终落后于干扰一步。实现雷达有源干扰机干扰决策的智能推断,能够在发射雷达信号时先一步预知对方干扰决策,使雷达可以提前准备抗干扰策略,根据干扰决策信息针对性的设计波形,从而增加抗干扰手段,提升抗干扰能力;能够反演对方干扰机干扰决策系统,获取对方干扰装备信息,针对性的优化我方雷达设备。雷达有源干扰机干扰决策推断问题,国内外尚无公开的相关研究。首先本文通过归纳分析现有干扰机干扰决策过程、干扰决策原理与干扰决策方法,总结出雷达有源干扰机干扰决策推断问题是一个非线性系统辨识问题。其次,通过分析得出传统的数学建模方法不适用于雷达干扰机干扰决策非线性系统辨识,基于神经网络深度学习的系统辨识方法是可能的方向。然后,从雷达-干扰机对抗的整个过程、干扰决策系统、干扰决策过程三个方面进行研究,提出了雷达有源干扰机的对话过程模型、多输入多输出非线性系统模型、马尔可夫决策过程模型等三个等效模型,提出了干扰决策推断模型的评价方法。最后,基于分析建模结果提出了基于自然语言处理、非线性系统反演、逆强化学习的解决问题方法。利用模拟仿真生成的雷达与干扰机对抗信号样本进行仿真实验,实现了基于对话系统、序列到序列非线性系统反演、深度最大熵逆强化学习的干扰机干扰决策系统建模,实现了干扰机干扰决策过程的反演,实现了雷达有源干扰机干扰决策的智能推断,验证了本文提出算法的可行性与有效性。