在雷达有源欺骗干扰技术得到迅猛发展的今天,为了实现雷达系统的正常工作,就必须在雷达系统中加入抗有源欺骗干扰措施,使其拥有出色的抗干扰能力,从而占据主动,获得先机。因此,就需要首先准确地识别出具体的干扰类型,为抗干扰提供依据。本文主要以常规拖引干扰和新型密集假目标干扰这两类干扰为研究对象进行识别算法研究,主要工作如下:一、阐述雷达有源欺骗干扰识别的背景与意义,对该领域的国内外发展现状进行详细地描述与总结。对DRFM的结构细致地介绍,然后开展对基于DRFM的欺骗干扰产生原理研究。对几种基于DRFM欺骗干扰产生过程以及原理细致地研究,构造这几种干扰信号的模型。二、针对常规拖引干扰下的雷达接收信号进行研究,介绍基于时频域可分离度(TFSD)和Rényi熵特征的常规拖引干扰识别算法。该算法通过提取SPWVD时频图像的两种特征,并利用不同情况下两种特征值的差异完成对拖引干扰的识别。提出了基于时频图像Zernike矩特征的常规拖引干扰识别算法,该算法运用数字图像处理技术对时频图像采取一系列的预处理后,通过Zernike矩得到图像的形状特征组成特征参数进行分类识别。三、针对频谱弥散(Smeared Spectrum,SMSP)干扰和切片重构(Chopping and Interleaving,C&I)干扰下的雷达接收信号模型进行分析,介绍了基于二维特征谱分形维数的新型密集假目标干扰识别算法。该算法利用零中频处理后的受到SMSP或C&I干扰与否的雷达接收信号的特点实施双谱估计,然后利用降维的方法将双谱转化为二维特征谱,最后提取二维特征谱分形维数的两种特征组成特征向量,利用SVM实现对这两种干扰的识别。创造性地提出了基于二维特征谱形状特征的干扰识别算法。该算法通过将得到的二维特征谱转变成灰度图,结合数字图像处理技术和Zernike矩进行图像预处理和特征提取的操作,最后通过SVM完成对干扰的识别。四、将深度学习方法应用到雷达欺骗干扰识别领域中。针对常规拖引干扰,提出了基于栈式稀疏自编码器的识别算法。该算法首先采用SPWVD方法对受到拖引干扰与否的雷达接收信号进行时频分析,结合图像处理的手段对得到的时频图实施降维,最后送入SAE中进行训练。在预训练时期,通过无标签样本并根据逐层贪婪训练法训练栈式稀疏自编码器网络。在此基础上,根据有标签数据对该模型参数有监督微调,最后通过softmax分类器完成对拖引干扰的识别。针对密集假目标干扰,创造性地提出了基于栈式稀疏自编码器的新型密集假目标干扰识别算法。该算法首先对受到干扰与否的雷达接收信号进行双谱估计,接下来提取双谱奇异向量和双谱沿Y轴投影组成的联合双谱特征,并采用SAE模型完成对新型密集假目标干扰的识别。