雷达信号目标的活动规律分析技术是认知电子战的关键技术之一。针对传统分析技术过度依赖操作人员经验且缺乏整体性的问题,本论文结合智能方法,设计了雷达信号目标的活动规律智能分析方案,并基于雷达全脉冲信号的分析完成目标挖掘、异常检测与轨迹预测。具体而言,本论文的主要工作有:1.提出了一种适用于雷达脉冲描述字（PDW）的重点关注目标挖掘方法。该方法首先通过提取PDW中的时间戳与脉冲到达时间,利用TDOA技术进行目标位置估计,然后对获得的数据进行秒量级的时隙划分,并根据每个时隙中出现的目标ID构建集合,最后应用Apriori和FP-Growth算法,挖掘出数据一段时间内的重点关注目标。实验结果表明,提出的方法能够准确地挖掘出实验场景设置的8个重点关注目标和9条目标间的关联规则,解决了通过长时间观测的数据对固定区域重点目标挖掘与监测的问题。2.提出了一种基于深度卷积生成对抗网络（DCGAN）的活动轨迹异常检测方法。该方法基于DCGAN网络提取正常目标活动轨迹信息,学习其活动规律,并根据鉴别器输出的概率完成目标的异常检测。实验结果表明,与基于支持向量机（SVM）的方法相比,提出的方法在对近海目标的异常轨迹进行检测时,准确率和F1值分别提升了10%和9%,均达到了96%,解决了传统方法中存在的准确率低、虚警概率高的问题。3.提出了一种将注意力机制（ATTENTION）引入到长短时记忆网络（LSTM）的轨迹预测改进方法。该方法将输入数据扩展为八维（航速、航向以及6个前置轨迹点）,并将其输入到引入了ATTENTION的LSTM模型中训练,得到该场景下输入数据的最佳权重分布,并进行后续轨迹的预测。实验结果表明,与LSTM方法相比,在相同条件下,提出的方法在预测异常目标的轨迹时,平均误差降低了约50%,解决了传统方法中存在的预测误差大的问题。