雷达语义状态识别是指基于低层雷达信号数据识别其在语义层的工作状态,其中,雷达工作模式以及雷达工作模式子状态是两种重要的工作状态,对它们的有效识别有助于对雷达信号进行高层语义分析,这对于现代多功能雷达(MFR: Multi-Function Radar)的信号处理有尤为重要的应用价值。本文针对雷达工作模式以及雷达工作模式子状态(隐含状态)的识别开展研究,主要工作包括:针对全脉冲雷达信号数据,提出了一种基于隐马尔可夫模型(HMM: Hidden Markov Model)的工作模式识别以及雷达工作模式子状态(隐状态)识别方法,实验表明,该方法具有较高的识别性能。提出了一种基于HMM模型瞬时概率的混合工作模式边界识别算法,实验表明,该算法具有较高的边界识别性能。针对CPI (Coherent Process Internal,相参处理间隔)雷达信号数据,提出了一种基于前馈神经网络模型的工作模式识别方法。实验表明,该方法与传统的决策树模型相比具有更好的识别性能。实现了 一个雷达语义状态识别系统。系统可以采用不同雷达信号数据训练上述不同的状态识别模型,并基于训练所得模型对雷达语义状态进行有效的识别。