随着现代电子信息技术的高速发展,基于神经网络的雷达干扰信号识别技术愈发成熟,雷达干扰信号容易被敌电子侦察系统识别并做出针对性的抗干扰措施,严重影响了干扰性能。为获得更好的干扰效果,设计雷达干扰信号时需考虑如何避免被敌电子侦察系统识别。然而,当前雷达干扰信号难以应对基于神经网络的智能识别,难以适应现代电子战技术的高速发展。因此,迫切需要一种抗智能识别的雷达干扰信号生成方法。本文针对神经网络对输入数据较为敏感的特性,通过神经网络对抗攻击实现了抗智能识别干扰信号生成方法。针对是否已知敌雷达干扰信号智能识别神经网络的结构与参数,分别实现了基于白盒攻击和黑盒攻击的抗智能识别干扰信号生成方法,能较大幅度地降低敌电子侦察系统的识别正确率。本文的主要工作如下:1、构建了七种雷达干扰信号数据集。详细分析了七种雷达干扰信号的生成原理,生成了具有多种干噪比的雷达干扰信号数据集,为雷达信号智能识别模型和抗智能识别干扰信号生成方法提供数据支持。2、搭建并训练了三种雷达干扰信号智能识别模型。在三种雷达干扰信号智能识别模型的基础上,通过修改参数得到适合本文数据集的神经网络模型,均能达到较好的识别正确率,为抗智能识别干扰信号生成方法提供模型支持。3、在已知敌雷达干扰信号智能识别神经网络结构与参数的情况下,研究了基于白盒攻击的抗智能识别干扰信号生成方法。根据优化目标的不同,分别实现了基于直接优化、梯度优化以及边界决策分析的抗智能识别干扰信号生成方法。该方法能在添加较小扰动的情况下,明显降低敌雷达干扰信号智能识别模型的识别正确率,提高了干扰信号的抗识别性能。4、在未知敌雷达干扰信号智能识别神经网络结构与参数的情况下,研究了基于黑盒攻击的抗智能识别干扰信号生成方法。根据方向搜索基的不同,分别采用了标准正交基与DCT正交基进行方向搜索,实现了基于Decision-based黑盒攻击的抗智能识别干扰信号生成方法。该方法能在较少查询次数的情况下,实现抗智能识别干扰信号的生成。本文所实现的方法已通过仿真验证。结果表明,这些方法生成的抗智能识别干扰信号能有效降低敌雷达干扰信号智能识别模型的识别正确率。