相控阵雷达是目前战场中常用雷达体制。随着雷达技术的高速发展,雷达干扰技术越来越成熟,灵巧噪声干扰、切片转发类干扰等新型雷达有源干扰层出不穷。雷达有源干扰具有获得雷达脉压增益和转发时延小等特点,能够降低甚至破坏雷达对于战场环境的监控能力,使得我方雷达无法正常工作。因此,对雷达有源干扰的感知方法与抗干扰措施的选取的研究具有很重要的价值与意义。本文围绕相控阵雷达有源干扰的智能感知与抗干扰决策方法选取展开工作。论文的主要工作和贡献如下:1、分析相控阵雷达面临有源干扰场景及其时频特性,针对相控阵雷达有源干扰,研究了噪声卷积干扰、噪声乘积干扰、全脉冲密集转发干扰、间歇采样直接转发干扰、间歇采样重复转发干扰及间歇采样循环转发干扰的产生机理,提取了干扰信号在时域、频域两方面的特征参数。2、在分析基于BP网络的雷达有源干扰智能感知方法的基础上,提出一种基于PSO-BP（粒子群算法和BP网络结合）网络的雷达有源欺骗干扰和雷达有源压制干扰智能感知方法,该方法以PSO算法优化BP神经网络中的权值和阈值,进一步提升网络对雷达有源干扰的识别性能。3、在分析基于CNN网络的雷达有源干扰智能感知方法的基础上,提出一种基于Faster R-CNN的雷达有源欺骗和雷达有源压制干扰智能感知方法,并得出该网络对上述6种雷达有源干扰在不同干信比下的识别概率。提升了网络对有源干扰的识别性能。同时分析并比较了基于统计的传统有源干扰识别方法及上述智能感知算法的性能差异。4、针对相控阵雷达抗干扰决策优化选取问题,给出了雷达抗干扰决策优化选取的数学模型,分别提出了基于Q-Learning和基于深度强化学习的雷达抗干扰决策优化选取方法。