在现代电子战中,雷达主瓣有源干扰与目标回波一同从主瓣进入雷达接收机,导致雷达无法正确检测目标,成为雷达系统的主要威胁之一。为了保证雷达的工作效能,针对雷达主瓣有源干扰的智能感知成为研究的重点。雷达主瓣有源干扰分为有源压制干扰和有源欺骗干扰,通过调制大功率的噪声产生有源压制干扰,遮盖发射信号,并使雷达处理系统达到饱和;雷达有源欺骗干扰通过对雷达发射信号的调制转发,混淆了真实目标的信息。为了保证雷达能在新的电磁环境下自适应、高效地完成任务,雷达主瓣有源干扰智能感知方法的研究具有很重要的价值和意义。本论文围绕着雷达主瓣有源干扰智能感知方法展开如下内容:(1)针对雷达主瓣有源压制干扰和欺骗干扰建立了数学模型,并研究了干扰的特性。针对有源压制干扰提取了可分性较好的时域、频域特征参数,针对有源欺骗干扰提取了短时傅里叶变换谱图作为特征,为后续研究雷达主瓣有源干扰的智能感知方法奠定了基础。(2)针对雷达有源压制干扰,提出了基于径向基函数神经网络和基于后向传播神经网络的智能感知算法。研究了径向基函数神经网络和后向传播神经网络的结构参数对识别性能的影响,利用雷达有源压制干扰的四种时域、频域特征参数进行仿真实验,设计了在雷达有源压制干扰样本环境下的最优网络参数组合。(3)在最优参数组合的径向基函数神经网络和后向传播神经网络的结构下,通过仿真验证了雷达有源压制干扰智能感知算法的有效性,通过仿真给出五种有源压制干扰在各个干信比下的识别概率,分析比较了这两种神经网络的识别性能,对比了本文所提出的雷达有源压制干扰智能感知算法与以往识别算法的性能差异。(4)针对雷达有源欺骗干扰,提出了基于深度信念网络和基于卷积神经网络的智能感知算法。研究了深度信念神经网络和卷积神经网络的结构参数对识别性能的影响,利用雷达有源欺骗干扰的短时傅里叶变换谱图特征,对网络进行训练测试,结合识别概率和训练耗时筛选出适用于雷达有源欺骗干扰的最优网络结构。(5)在最优参数组合的深度信念神经网络和卷积神经网络的结构下,通过仿真验证了雷达有源欺骗干扰智能感知算法的有效性,通过仿真给出目标回波和九种欺骗干扰在各个干噪比下的识别概率,分析比较了这两种神经网络的识别性能,对比了本文所提出的雷达有源欺骗干扰智能感知算法与传统识别算法的性能差异。