随着雷达对抗技术的发展，图像质量越来越高，但与此同时，对目标识别的要求也越来越高，特别是在复杂的电磁环境中，目标识别问题仍然是一个具有挑战性的问题。近年来，基于深度学习的目标识别技术发展迅速，但由于成像机制的不同，基于深度学习的雷达目标识别不能完全复制光学图像的识别方法。如何有效地结合雷达成像机制，开展基于深度学习的雷达目标识别是当前的研究热点，也有望最终从根本上解决复杂电磁环境下的雷达目标识别问题。

　　为及时总结雷达成像识别对抗技术的研究现状和最新进展，推动和引导我国雷达成像识别技术和成像雷达电子对抗技术的进一步发展和应用，国防科技大学王雪松教授、李永珍研究员、邢世奇副研究员、董震教授于2020年第五期《雷达学报》编辑出版“雷达成像识别与对抗”，回顾研究历程，关注最新进展，展望未来发展和促进技术应用，现在此基础上举办雷达成像识别与对抗研讨会。

　　“雷达学报学术讲堂”一系列研讨会以在线直播互动为主，重点关注雷达及相关领域的重大主题，为雷达领域的专家学者提供学术交流、合作创新、共同发展的平台。

　　合成孔径雷达(SAR)与逆合成孔径雷达(ISAR)自20世纪50年代诞生以来，以雷达成像技术有效地提高了雷达对目标的分类和识别能力，广泛应用于微波遥感、战场感知和侦察、防空反导和精确打击。因此，近二十年来，针对成像雷达的电子对抗技术越来越受到世界各国的关注和研究。在此基础上，雷达图像目标识别技术和成像雷达电子对抗技术出现在历史时刻，它们和雷达成像技术几十年来蓬勃发展，相互加强，持久。雷达成像是一种全天候、全天候成像技术手段，以主动辐射电磁波为信息载体，其发展呈现三种趋势。首先，成像精度和观测效率不断提高，如（超）高分辨率、（超）大宽度成像系统和处理技术的发展往往是新的；第二，成像维度不断扩大，从空间二维、三维成像、极化、频率、长时间、平等联合多维成像发展；第三，新的交付平台和新的观测对象，如中高轨道星载SAR，雷达天体成像等新技术不断涌现，不断为雷达成像技术注入新的活力。