随着人工智能技术的快速发展,新一代具有认知能力的电子信息装备水平也在不断提升。在电子对抗领域,面对逐渐智能化的目标系统,传统电子对抗装备不能起到有效作用,需要基于人工智能技术发展认知电子对抗技术,其中自适应干扰决策是认知电子对抗系统的核心功能之一。先进的对抗目标系统(如数字阵列雷达)往往具备多种工作状态,自适应干扰决策使得干扰方能够针对对抗目标的不同状态形成一套最优干扰策略,以适应现代电子对抗复杂的电磁环境。自适应干扰决策通过行为学习能力建立干扰资源与对抗目标状态之间的联系,学习结论可以支持动态专家知识库的构建,也可以作为智能化干扰资源调度的依据。本文提出基于强化学习的自适应干扰决策技术,首先建立起强化学习和自适应干扰决策的映射关系,完成系统建模工作;接着对强化学习典型算法的基本原理进行介绍、对其流程进行仿真,并在传统算法的基础上加入资格迹等机制提升算法的学习效率;针对强化学习只适用于有限状态空间的局限性,本文进一步将深度学习和强化学习进行结合,通过深度神经网络进行值函数近似,从而使强化学习能够推广到高维甚至连续状态空间,并给出基于深度强化学习的自适应干扰决策的工作流程;最后在智能化干扰仿真软件平台中模拟认知电子对抗的过程,重点验证自适应干扰决策模块的正确性和有效性。