随着人工智能技术的飞速发展,以美国为首的西方军事强国已经开始着手发展基于机器学习理论的认知无线电及认知电子战项目。与此同时,面对学术界和工业界的需求,以深度学习为代表的现代机器学习方法也开始在无线电通信领域崭露头角且发展迅速。在当前以硬件高速运算能力为依托的海量数据背景下,对于无线电信号分析中调制识别与辐射源个体识别问题,相关工作与以深度卷积神经网络和深度循环神经网络为代表的深度学习模型的结合能够开创性地在原始数据层面挖掘、寻求和归纳电磁信号特征,并以此为基础实现相应电磁环境下的目标识别准确度指标。从而在缺乏先验信息的条件下,帮助操作人员在短时间内挖掘出蕴含在目标数据结构中的重要信息,减少传统方法在人工特征提取阶段所消耗的时间成本。结合仿真实验验证结果表明,经过改进的部分典型深度神经网络在无线电信号分析任务中能够产生明显的性能增益,从而促进提升深度学习技术视角下的电磁信号侦察效率。基于此,以深度学习为技术核心的新型信号分析与识别算法对电子对抗领域意义重大。