针对强噪声环境下雷达新型有源干扰识别准确率不高的问题，提出了一种KPCA-SAE-BP网络算法。提取干扰信号时域、频域、波形域、小波域、双谱域等特征构建67维输入空间，经过核主成分分析(kernel principal component analysis，KPCA)将高维数据进行非线性降维与重构，利用SAE-BP神经网络完成分类识别。仿真结果表明，在干噪比(JNR)大于-1 dB的强噪声环境中，KPCA-SAE-BP网络算法对6种新型有源干扰的识别准确率达到90%以上，训练与识别时间少于0.7 s。相同参数条件下，与经典BP神经网络、SAE-BP网络、KPCA-BP网络、GA-BP网络相比，具有更好的检测识别性能。
