现代战争新型电子干扰对雷达检测、跟踪性能造成严重影响,对各类新型电子干扰进行准确高效识别始终是电子对抗研究的重点和难点。本文针对新型电子干扰识别分类问题,拟采用基于决策树分类方法和基于BP神经网络识别算法对新型电子干扰进行识别分类,并着重研究了基于时频域特性分析的深度学习的电子干扰识别方法。本文围绕电子干扰建模、特征提取、识别分类问题进行研究,主要研究内容包含如下:1、分析了8种典型电子干扰的数学建模,研究了其在时域、频域以及时频域特性,研究各类干扰的作用原理,给出了相应的仿真分析,为干扰识别提供理论基础。2、研究了8种电子干扰原理在时域、频域、小波域、波形域等不同信号空间的特征提取方法,在此基础之上,研究基于决策树和BP神经网络的方法对各类干扰进行识别分类,并给出了详细的仿真结果分析,最后将两种算法识别效果作对比。仿真结果说明,两种方法可有效对8种类型电子干扰进行识别分类。3、针对干扰识别问题进一步研究了基于时频域特性分析的深度学习的方法对8类型电子干扰进行识别分类。首先对8类电子干扰进行时频域分析,获得每一类干扰在不同干噪比下的时频域图像,然后将所获得的图像作为训练和测试样本输入到卷积神经网络,得到每一类干扰不同干噪比下的识别概率和总体正确识别概率,并给出了详细的仿真分析。最后综合比较了三种方法的特点。结果表明:卷积神经网络可自动高效提取干扰特征,并且可对不同带宽的干扰进行有效识别,识别概率明显高于前两种方法。