多功能相控阵雷达（Multifunction Phased Array Radar,MPAR）具有波束与信号捷变、自适应性强等特点,这就要求新型雷达对抗系统也必须同样具有自适应、智能化为主要特点的认知对抗能力。开展雷达辐射源行为级智能对抗,准确感知雷达行为状态的动态变化,对实时自适应生成干扰对抗策略的形成具有重大意义。本文针对未来战场MPAR多任务并行、数据率高和高度智能化的特点,面向认知电子战中雷达行为识别需求,开展MPAR行为辨识技术研究。论文主要的研究内容如下:1.结合MPAR行为特性与工作调度规律,对句法结构模型进行优化,增加了能够表示雷达执行任务规律的层次,即“雷达段落”,并分析了各个层级与雷达行为（或状态）之间的对应关系;归纳总结了MPAR的行为特征规律,分析了雷达特征规律与雷达行为之间的映射关系,为后续进行MPAR行为辨识提供了理论支撑。2.针对MPAR信号捷变的问题,提出了基于贝叶斯的变化点检测算法。利用MPAR脉冲特征的联合概率对脉冲序列进行功能性划分,以对应雷达当前行为状态。对于解决传统脉冲划分算法需要完整准确的脉冲信息,且会打乱原有的时间序列关系等问题,该算法具有一定的效果。仿真实验表明该算法对常规与非常规脉冲序列都有较为准确的划分结果。3.针对“小样本”无标签雷达信号数据,提出基于主成分分析和均值漂移的无监督C-均值聚类算法。引入主成分分析确定主要脉冲参数,降低数据量,通过数据预处理与均值漂移优化聚类中心,实现MPAR脉冲序列快速有效分类。实验结果验证了该算法的有效性。根据MPAR行为与信号特性之间的逻辑映射关系,提供了构造行为-特征矩阵的方法,用于推断雷达行为。4.针对基于“数据”驱动的雷达行为智能辨识需求,面向人工提取的MPAR脉冲参数序列和直接截获的MPAR信号分别提出了基于BP神经网络和卷积神经网络的有监督行为辨识方法,构建了不同成分的雷达行为数据集,对不同条件下截获的雷达信号都可以进行有效分析和处理,达到较好的行为识别效果。