雷达作为一种全天候、全天时的远程传感器，通过与环境、目标相互作用来获取目标信息，具有探测距离远且不易受粉尘、天气、烟雾等因素影响的特点。当前，在整体能量、时间、频谱等资源有限的情况下，根据目标、环境变化合理分配并有效利用这些资源，是下一代雷达发展必须面对的挑战。“认知雷达”可根据目标和外部环境特性，智能地选择发射信号和工作方式，并将有限资源最优分配，被认为是未来雷达发展的重要方向之一。
2006年，加拿大教授Simon Haykin在一个学术研讨会上首次提出认知雷达概念，其参考模仿蝙蝠回声定位的生物探测机制发展而来。认知雷达的接收端与发射端间具备“目标、环境反馈系统”，改变了传统雷达发射波形始终单一、环境自适应调节差的缺点。
具体而言，目标、环境反馈系统采集分析雷达回波和环境信息(如能见度、湿度、温度等)变化；然后贝叶斯跟踪器利用回波的环境信息以及先验知识(包括地形、非合作目标特性等)，持续对目标的有无进行判断，如果数据量极大，则引入深度学习和大数据处理技术对雷达数据进行统计分析，不断优化杂波和目标的模型；最后，接收端将这些信息反馈给发射端，发射端再根据统计处理后的信息，智能化调整发射波参数(如波形形状、波形频率等)，再次照射环境目标，如此循环不停地重复，达到认知雷达智能探测目标的最终目的。
当前，尽管认知雷达创新性的参考了仿生学相关原理，但是还需在自适应学习、杂波抑制、波形优化设计、目标及环境库等方面投入更多的研究。基于认知雷达的智能化背景，未来认知雷达将会朝向网络化、模块化的方向发展，最终大幅度提升雷达探测能力。
本文由空军指挥学院教授徐邦年进行科学性把关。
