作为电子战的重要组成部分,电子侦察对于洞察战场态势、保持自身防御能力、防止突然袭击等有着重要作用。局部空域电子对抗中,雷达工作模式识别是威胁预警,实施精准干扰的基础,对于局部战场态势感知、作战部署等具有重要意义。本文主要研究机载相控阵雷达工作模式识别问题,首先从其工作原理出发,仿真产生不同场景、工作模式下电子情报机截获的脉冲描述字。而后通过联合参数建模拟合各脉冲组幅值,最后采用深度神经网络与梯度提升模型提取拟合幅值的特征并对其分类。研究工作主要包括:1.依据雷达基本工作原理,对相控阵雷达四种典型工作模式建模,进而仿真产生不同场景、工作模式下电子情报机截获的脉冲描述字,作为后续脉冲幅值拟合与工作模式识别的输入。2.提出联合参数建模方法,将单个脉冲依照隶属度划分至不同的脉冲组,并对每个脉冲组进行幅值拟合,得到天线扫描的幅值特性。方法有效克服了漏脉冲、虚假脉冲对于天线扫描幅值在时间上的连续性以及幅值上的稳定性的影响。3.提出基于深度稀疏自动编码器与梯度提升决策树的工作模式识别方法,前者用于无监督地提取拟合幅值的特征,后者基于回归树对特征分类。通过实验,分析了深度稀疏自动编码器稀疏性参数以及不同隐含层特征对识别结果的影响;分析了梯度提升决策树中决策树最大深度与最大迭代次数对于分类精度的影响;比较了不同深度模型、分类器模型的分类性能。4.针对深度稀疏自动编码器对于噪声的敏感性以及降噪自动编码器训练效率低的缺陷,研究了基于边缘降噪稀疏自动编码器与XGBoost的工作模式识别方法,进一步提高了分类精度与训练效率。