随着现代雷达系统技术的迅速发展,雷达对抗系统需发展自适应侦察、智能干扰效能评估、自主决策和自适应干扰结合于一体的智能化技术。干扰效能评估在智能化电子作战系统中具有举足轻重的作用,是系统实现认知目标、智能干扰的关键因素。因此必须研究具有先进性、智能化的干扰效能评估方法。相对于传统雷达干扰效能评估方法引入过多人为因素的缺陷,针对性地引入机器学习算法等方法是当下干扰效能评估方法的主要研究方向。本文针对雷达干扰效能评估问题,主要研究了随机森林算法与神经网络算法组合的评估方法,以及基于向量相似度赋权的评估方法。本文主要内容为:1)针对雷达干扰效能评估问题,分析了自适应对抗模型,研究分析了雷达干扰效能评估问题及其关键技术。明确了雷达干扰效能评估应用机器学习算法的有效性和必要性。2)针对评估指标选取问题,分别从雷达侦察信息、雷达干扰样式特点和雷达抗干扰措施等方面,分析能够体现雷达工作性能改变、干扰目的和雷达发射信号参数变化的评估指标,得到了评估算法输入的指标向量。3)针对基于向量相似度赋权评估方法中的权重计算问题,应用相似度有效表征雷达发射端参数实时变化情况。引入交叉熵表征相似度分布空间的模糊性,利用随机梯度下降算法求解相似度模糊性最小化,得到对应的指标权重,有效地解决了去除人为因素和对指标权重合理赋值的难点。4)针对基于机器学习算法的雷达干扰效能评估问题,利用随机森林算法的特征选取能力优选指标,结合神经网络算法强大的回归能力进行评估。该方法将随机森林算法和神经网络算法进行了有效组合,比单一的神经网络算法评估模型具有更好的评估性能。仿真了基于向量相似度赋权评估方法,验证了该方法的有效性。仿真了随机森林-神经网络算法,仿真得到相对于单一的神经网络算法评估模型,该方法小幅度提升了评估性能和结果的准确度。仿真对比了层次分析法与随机森林-神经网络算法,验证了随机森林-神经网络算法的稳定性和准确性。在数据量较少的情况下仿真对比了两个评估方法的性能表现,仿真结果显示,随机森林-神经网络算法性能表现稳定,基于向量相似度赋权评估方法性能表现较差。