网络化雷达具有广域分布的雷达节点，可以按需分任务调度雷达节点，是当前的研究热点。本文旨在研究不同波束指向下，通过神经网络预测一维阵列节点组合以降低该波束指向下的旁瓣。将遗传算法（genetic algorithm， GA）产生的数据集投喂给卷积神经网络（convolutional neural networks， CNN）进行训练，训练好的CNN可快速预测。本文提出用于降低阵列旁瓣的GA-CNN节点遴选算法，结合了GA处理组合爆炸问题的优势与深度学习良好的泛化能力和预测速度，且在全集中搜索和预测。从线阵的仿真结果可见，CNN已经学习到波束指向与节点选择的部分对应关系，运算速度大幅提升，使得雷达在高效应变环境方面具备进一步的研究价值。

基于多输入多输出（multiple-input multiple-output，MIMO）雷达构建的组网系统，继承了MIMO雷达和组网系统的优点，具有重要的研究价值。在MIMO雷达组网系统中，由于系统资源的灵活可控性，组网系统中的子雷达可以根据作战需求协同完成任务。本文针对多目标跟踪应用背景，讨论了如何自适应选取工作时机、机会协同跟踪雷达节点、被激活节点发射能量以及波形种类和参数的联合选取问题。首先，建立MIMO雷达组网系统协同目标跟踪优化问题模型，其中目标函数综合考虑了组网系统资源消耗量以及多目标跟踪精度；随后，通过粒子群方法求解所建立的优化问题模型，获得MIMO雷达组网系统的机会协同目标跟踪算法。仿真结果表明，与非协同方法和其他固定参数跟踪方法相比，采用机会协同跟踪算法的综合代价最小，体现了所提算法的有效性。

针对空中非合作目标特性不易测量、成像算法验证困难的问题，采用CST仿真软件对典型空中目标进行建模仿真，得到复散射系数，结合多角度逆合成孔径雷达（ inverse synthetic aperture radar， ISAR ）成像融合算法，构建了分布式ISAR成像仿真系统，并对仿真约束条件进行了研究。针对某具有良好隐身性能的轰炸机进行分布式ISAR成像仿真，仿真结果表明，采用分布式雷达ISAR成像仿真系统，可得到任意观测角度的高分辨ISAR目标像。

针对在强电子对抗和复杂雷达任务环境中杂波、干扰等影响目标航迹正确有效起始的问题，提出了一种多算法融合学习航迹稳健起始方法。该方法将航迹起始问题视为分类问题，使用经典的机器学习分类算法——随机森林和梯度提升决策树（gradient boosting decision tree，GBDT）为基础进行融合分类。考虑将两种方法进行Chair-Varshney 最优决策融合，实现对目标航迹的高效正确起始。通过仿真实验将本文提出的方法和随机森林、GBDT、启发式规则等经典方法进行对比，结果表明：多算法融合学习航迹稳健起始方法的整体性能更好，显著优于启发式规则航迹起始方法和GBDT航迹起始方法。

本文利用海面漂浮弱小电磁辐射源目标定向定位技术，通过机载平台仅被动接收VHF频段浮标发射的电磁信号，结合机载平台位置信息计算出辐射源准确位置，实现对浮标的搜寻和定位。通过对海面漂浮弱小电磁辐射源目标定向定位技术的研究，可有效对该类目标进行快速准确的定向定位，是遏制声呐浮标及波浪艇等探测设备的有效手段之一。

在机载双基地协同探测雷达中，由于载机的阵位部署和平台运动，双基条件下的杂波特性比单基条件下的更复杂。本文分析了机载双基地雷达杂波空时分布特性，在传统机载雷达杂波模型的基础上，针对机载双基地雷达几何关系，考虑了双基地分置时接收波束和发射波束的相对关系等因素，给出更精确的机载双基地雷达杂波模型。对双机多种部署和姿态情况下的杂波空时分布特性和空时二维杂波谱进行了仿真，为机载双基地协同探测雷达杂波抑制的研究提供了技术支撑。

为分析机载双基雷达分布与双基构型的关系，通过建立双基地机载雷达几何模型并推导双基杂波等距离环的解析表达式，采用以双基距离和以及杂波点相对于等距离环中心的方位角为变量的建模方法，精确描述出了在任意双基构型下接收杂波多普勒频率的计算公式。仿真结果表明，多普勒频率随着双基距离和的降低，杂波距离相关性变强；而随着基线长度的减小，杂波的距离依赖性减弱。因此，可通过合理配置双基构型参数降低杂波距离依赖性，为双基杂波的抑制提供理论基础。

针对宽带信道化接收机实现中传统FPGA软件开发周期过长的问题，文本提出一种基于SysGen（system generator）开发环境的多相滤波信道化算法快速实现及验证方法，采用模块化、参数化的设计思路，完成50%交叠多相滤波信道化处理功能，具备大带宽实时处理能力及多信号同时接收能力。与传统的底层逻辑语言编程软件开发模式相比，该方法可明显缩短开发周期，且提升了模块开发灵活性，实现了FPGA信道化模块宽带多信号实时处理，可满足当代宽带数字接收机要求。

面对日益加深的全方位全天时空天打击威胁，为弥补传统雷达组网布站方法在应对干扰能力有限、空间立体覆盖效果不足的缺陷，提高雷达布站的探测和生存能力，本文提出了一种基于遗传算法的干扰态势下三维雷达网优化布站方法。该方法首先建立了干扰态势下的空间干扰雷达威力范围模型，并从覆盖侧重程度、要地覆盖能力以及覆盖重叠性三个方面对组网雷达进行优化部署，结合遗传算法，实现了对要地区统筹兼顾、合理分配、突出重点的雷达资源布站域的三维立体探测防护，为构建全方位、立体化、多层级防护网络提供了思路。

针对主动导引头或机载制导雷达面临的难以分辨拖曳式干扰的问题，对拖曳式诱饵干扰机理进行详细分析，从目标与诱饵的信号分布特性和多普勒频谱特性角度出发，利用复单脉冲比和变尺度离散Chirp-Fourier变换提出一种简单有效的拖曳式诱饵检测分辨技术，实现拖曳式诱饵和目标分离。通过计算仿真对算法的有效性进行了验证，仿真结果表明在某些特定条件下利用变尺度离散Chirp-Fourier变换的时频分析处理方法对拖曳式干扰有极强的区分能力。研究结果可为跟踪制导雷达对抗拖曳式干扰提供了研究思路。

针对雷达工作波形复杂化、基于常规脉冲特征的雷达辐射源信号识别准确率下降的问题，提出双卷积神经网络（convolutional neural network，CNN）串联的网络结构，实现了9种常见雷达信号的分类识别。采用单个CNN结构时，可以准确识别其中4种调制类型，但是相位编码及其复合调制信号识别率低。这是由于相位编码中二进制相移键控（binary phase shift keying，BPSK）与四相相移键控（quadrature phase shift keying，QPSK）的时频特征具有相似性。本文采用双CNN串联的处理方式，其优势在于雷达信号调制参数不固定时，依然可以进行分类识别，具有较强适应性。仿真结果表明，当信噪比（signal-to-noise ratio，SNR）为0 dB时，9种调制信号的识别准确率高于95%。最后，通过仿真分析识别准确率与信噪比之间的关系，验证了该方法的可靠性。

车载雷达行进间作战具有良好的机动性和灵活性，是未来发展的重要趋势。但与此同时，平台运动一方面会使地物杂波频谱偏离零频位置，另一方面还会使地物杂波在多普勒域展宽，从而造成传统杂波抑制算法性能下降。针对上述问题，本文先就行进间车载雷达杂波特性展开分析，之后引入空时自适应处理技术（space time adaptive processing， STAP），最后通过仿真试验验证STAP处理在车载雷达领域的有效性。

针对卫星导航欺骗干扰信号的识别与智能对抗问题，本文将阵列信号处理中的空间谱估计技术与自适应阵列处理技术相结合，提出了一种基于旋转不变子空间（estimation of signal parameters via rotation invariant technique， ESPRIT）算法与基于生成信号采样矩阵求逆（generated-signal sample matrix inversion， GS-SMI）算法的欺骗干扰信号识别、欺骗干扰方向自适应零陷形成的方法。通过仿真验证了所提出的方法对抑制卫星导航欺骗干扰影响的有效性，为进一步将阵列天线应用于构造的卫星导航欺骗干扰环境提供了理论支撑。

针对雷达制导武器抗干扰内场试验中试验电磁环境构建近似度低、构建要素不全等问题，在分析雷达制导武器面临的复杂电磁环境与表征面试验电磁环境的基础上，提出了基于表征面的动态试验电磁环境等效构建方法。该方法重点从作战场景映射、对抗技术等效、对抗战术控制等3个维度进行动态试验电磁环境等效构建，利用内场半实物仿真平台分析了该方法的具体实施途径，并从对抗强度层面分析了构建的试验电磁环境的对抗强度指标。该方法可为雷达制导武器内场抗干扰试验电磁环境构建提供方法支撑和理论依据。

针对干扰机一对多情形下的干扰突防问题，提出了一种基于强化学习的一对多干扰情形下的干扰资源分配方法，引入干扰辐射能量比和突防距离比作为评价指标，并对DQN（deep Q network）和Dueling-DQN算法引入动态调整的奖励值以增强算法的收敛能力。结合一对多干扰突防场景，对两种算法进行了验证，实验结果验证了两种算法的可行性及差异性，实现了对于干扰资源在干扰功率、时长、干扰样式及干扰雷达选取的资源分配能力，满足了一对多情形下的干扰资源实时、动态的分配需求。

为解决现代电子战中雷达对干扰类型进行识别时，由于信号特征选取不合适而导致的识别准确率低的问题，提出一种基于时频域分析的径向基函数（radio basis function， RBF）神经网络的干扰识别方法。该方法提出结合干扰信号的时频域特征，利用RBF神经网络收敛速度快、非线性拟合能力强的优势，提高对雷达有源压制干扰的识别概率。仿真结果表明，基于时频域分析的RBF神经网络能够保证较高的干扰识别概率。

针对各雷达相对目标的角度差异较小时传统方法（卡方检验）鉴别假目标能力较差的问题，提出了卡方检验与支持向量机（support vector machine， SVM）相结合的自适应抗距离欺骗干扰方法。首先，根据满足卡方检验的组合个数判断是否需要进一步筛选；若需要进一步筛选，将航迹间的马氏距离（卡方检验量）、欧式距离、兰氏距离作为SVM的多特征输入，训练SVM；最后，将训练好的SVM用于识别真假航迹。仿真结果表明，该方法的真航迹识别率为95.5%，明显优于卡方检验以及改进的卡方检验方法。此外，该方法的训练时间短，识别时间与传统方法相当，实时性好，工程应用性强。