本书介绍了贝叶斯网络在电子信息系统复杂电磁环境效应机理分析研究中的应用。首先介绍了复杂电磁环境效应机理相关概念并阐述了贝叶斯网络应用于效应机理研究的分析框架；然后以典型雷达系统为例，阐述了电磁环境及电磁环境效应特征表征方法，介绍了特征选择方法以及特征空间划分方法；在此基础上分析了融合领域知识的效应机理贝叶斯网络建模方法并阐述了效应预测、环境推理以及敏感性分析等效应机理推理分析方法；最后以典型雷达压制干扰效应机理分析为案例对相关理论研究方法的应用进行了详细介绍。 本书可为电子对抗领域相关技术人员开展电子信息系统电磁环境效应机理分析提供重要参考。

第1章 绪论
1.1 概述
1.2 电磁环境效应与效应机理
1.2.1 电磁环境
1.2.2 电磁环境效应
1.2.3 电磁环境效应机理
1.3 效应机理研究中的问题和困难
1.3.1 输出效应模糊，定量分析难
1.3.2 受体样式多，规律总结难
1.3.3 历史数据多，有效利用难
1.3.4 相关关系易寻，因果关系难证
1.4 贝叶斯网络应用于效应机理研究
1.4.1 贝叶斯理论及贝叶斯网络
1.4.2 贝叶斯网络应用于效应机理研究的数学描述
1.4.3 贝叶斯网络应用于效应机理研究需要解决的问题
1.5 基于贝叶斯网络的电磁环境效应机理分析框架
第2章 雷达典型电磁环境及表征方法
2.1 电磁环境信号特性
2.1.1 压制干扰信号特性分析
2.1.2 欺骗干扰信号特性分析
2.1.3 杂波信号特性分析
2.1.4 背景信号特性分析
2.1.5 复杂电磁环境要素特性参数
2.2 电磁环境要素参数提炼
2.2.1 参数提炼基本原理
2.2.2 压制干扰参数提炼
2.2.3 欺骗干扰参数提炼
2.2.4 杂波参数提炼
2.2.5 背景信号参数提炼
2.2.6 电磁环境要素参数表征集
2.3 小结
第3章 雷达电磁环境效应分析及表征方法
3.1 基于领域知识的效应特征提取
3.1.1 雷达系统效应特征分析
3.1.2 雷达系统效应指标计算方法
3.1.3 雷达系统效应表征参数集
3.2 基于机器学习的效应特征提取
3.2.1 深度卷积神经网络
3.2.2 基于卷积神经网络的P显图像特征提取
3.3 融合领域知识与机器学习的效应特征构建
3.3.1 效应特征及融合方法
3.3.2 分析验证
3.4 融合信号层与应用层的效应特征构建
3.4.1 基本理论与方法
3.4.2 分析验证
3.5 小结
第4章 特征选择与离散量化方法
4.1 特征选择方法
4.1.1 典型流形学习算法
4.1.2 改进流形学习算法
4.1.3 特征评价
4.2 特征空间划分方法
4.2.1 均匀划分
4.2.2 非均匀划分
4.2.3 K均值聚类
4.2.4 不同划分方法精度对比分析
4.3 小结
第5章 效应机理贝叶斯网络建模与推理分析
5.1 融合领域知识的效应机理贝叶斯网络建模方法
5.1.1 融合领域知识的贝叶斯网络结构学习方法
5.1.2 融入领域知识的贝叶斯网络参数学习方法
5.2 深度贝叶斯网络及建模训练方法
5.2.1 深度贝叶斯网络的内涵辨析
5.2.2 深度贝叶斯网络训练方法
5.3 基于贝叶斯网络的复杂电磁环境效应机理推理
5.3.1 效应预测与环境要素推理
5.3.2 效应特征敏感性分析
5.4 小结
第6章 雷达电磁环境效应机理分析案例
6.1 仿真场景设计
6.2 数据生成
6.3 特征提取与空间划分
6.4 贝叶斯网络模型构建
6.5 推理分析
6.6 敏感性分析
参考文献