干扰效果评估是对雷达受到的干扰程度进行定量和定性分析的方法,能够有效评估干扰系统作战能力。作为干扰作战对象,新体制的多功能雷达具有自适应波形捷变能力,不仅给干扰增加了难度,同时对干扰效果评估提出了更高的要求。考虑到传统雷达的干扰效果评估指标与方法难以契合多功能雷达的特性,因此针对多功能雷达信号特点的干扰效果评估研究具有重要的意义。现阶段对多功能雷达的干扰效果评估多立足于自卫干扰场景,而本文则从遮盖式支援干扰的角度,新提出了一种在线干扰效果评估指标跟踪密度。该指标衡量了多功能雷达在一次跟踪更新时间内跟踪状态出现的密切程度,而更高的跟踪密度意味着雷达跟踪的干扰方目标更多更频繁,对干扰方整体威胁程度更高。因此,通过分析跟踪密度在干扰实施前后的变化情况,干扰方能够从一定程度上评估出当前干扰对于多功能雷达的压制效果。然而,跟踪密度的估计要求干扰方可以估计出一连串雷达状态中跟踪状态的个数,本文提出基于雷达波形单元的幅度/波形二维序列,通过多列卷积神经网络(MCNN),准确估计该指标。为了仿真验证跟踪密度指标估计的准确性,本文从侦察方的角度,研究了多功能雷达“功能/状态/波形单元”层次结构模型,论证了基于脉冲幅度划分提取波形单元的合理性,提出了一种带有簇间互斥度的凝聚层次聚类(AHCME)算法,实现了多功能雷达波形单元的提取。另外,本文使用逼近理想解排序(TOPSIS)算法,将跟踪密度指标与几种典型的干扰效果评估指标结合,实现了干扰效果的多指标综合评估。本文的主要研究工作如下:第二章建立了多功能雷达信号的“功能/状态/波形单元”的层级结构模型,对各层次之间的相互联系进行了分析,降低了分析多功能雷达信号的复杂度;同时,对凝聚层次聚类算法进行了改进,加入了簇间互斥度因素,提出了AHCME算法;在不借助先验信息的前提下,基于脉冲的幅度信息,本章所提的改进凝聚层次聚类算法实现了有效的波形单元提取,当噪声功率小于-66d Bm W时,正确估算仿真数据中波形单元跳变点的概率达到了95%以上。第三章分析与总结了常用的干扰效果评估准则,详细阐述了多功能雷达跟踪密度指标的定义、意义及估计原理,并在能够理想地提取波形单元的前提下,定义了一个具有波形和幅度二维参数的波形单元序列,在该序列的基础上,通过一个能够提取多尺度信息的MCNN模型,准确估计了多功能雷达的跟踪密度,在容差为1的情况下,仿真数据中的跟踪密度指标的估计准确率达到了90%以上。第四章分析了跟踪密度以及几种典型干扰效果评估指标在多功能雷达受到遮盖式支援干扰前后的变化情况以及与干扰效果的关系,研究了多指标综合评估算法TOPSIS,并以TOPSIS算法为例,基于上述几种指标,通过分别计算仿真数据中干扰后各指标侦察结果与正负理想解间的距离得到评估结果并进行对比分析,实现了对多功能雷达的在线干扰效果多指标综合评估。