在当前复杂的战场环境中,LPI雷达信号因其低功率、频率捷变、大带宽以及复杂调制等技术得到了广泛的应用。传统的雷达侦察手段很难对LPI雷达信号进行有效检测与识别。为解决LPI雷达信号检测与识别的问题,本文结合人工智能,展开了对LPI雷达信号智能检测与识别技术的研究。本文分析了LPI雷达信号特点、典型工作模式以及波形参数,在此基础上,研究了基于BP神经网络的雷达信号智能检测方法;从LPI雷达信号时频特征入手,利用卷积神经网络完成了对LPI雷达信号脉内调制类型的识别;最后联合SMOTE算法和BP神经网络实现了对雷达工作模式的识别,并验证了算法的有效性。论文主要工作如下:1.研究了LPI雷达信号的智能检测方法。首先分析了常规雷达信号检测方法及其缺陷,在此基础上,对信号相关检测方法进行拓展,深入分析了单点相关函数累积点数、噪声采样点数以及信号采样点数之间相对大小关系对信号单点相关函数波形的影响,最后利用BP神经网络对信号单点相关函数波形进行识别,实现对LPI雷达的有效检测。2.研究了LPI雷达信号脉内调制类型智能识别方法。在对雷达信号脉内特征分析的基础上,分析了常规识别方法的不足,利用卷积神经网络实现了对LPI雷达信号脉内调制类型的识别并研究了卷积神经网络结构及参数对识别性能的影响,最后仿真验证该方法的有效性。3.研究了LPI雷达工作模式智能识别方法。首先对LPI雷达典型工作模式和识别参数进行分析,利用BP神经网络实现对雷达工作模式识别方法,并仿真分析雷达参数缺失对该方法的影响。在此基础上,仿真分析了由新出现雷达工作模式脉冲数少带来的训练样本数相差过大问题对BP神经网络性能的影响,为解决此问题,利用SMOTE算法生成数据,联合BP神经网络,实现了对LPI雷达工作模式的识别。