Los actuales sistemas de interferencia electrónica y contramedidas de radar se caracterizan por su dinamismo e incertidumbre. Este documento se centra en un marco de toma de decisiones para contramedidas de anti-interferencia de radar. Se analizan las características y el proceso de implementación de sistemas inteligentes de anti-interferencia de radar, y se propone un método de programación para la acción de anti-interferencia de radar basado en el Proceso de Markov Parcialmente Observable (POMDP). La distribución de creencias basada en muestras se utiliza para reflejar la cognición del radar sobre el entorno y describe la incertidumbre en el reconocimiento de patrones de interferencia en el espacio de estado de creencias. El estado de creencias de los patrones de interferencia se actualiza con reglas bayesianas. La función de recompensa se utiliza como criterio de evaluación para seleccionar la mejor estrategia de anti-interferencia, de modo que el radar se encuentre en un estado de baja amenaza tan a menudo como sea posible. La simulación numérica combina la base de conocimiento previo del comportamiento de radares e interferidores y obtiene la matriz de beneficios de confrontación de comportamiento a partir de la experiencia pasada de expertos. El radar controla la salida de acuerdo con la política POMDP y realiza dinámicamente la mejor acción de anti-interferencia según el cambio del estado de interferencia. Los resultados muestran que la política de anti-interferencia POMDP es mejor que la política convencional. El enfoque POMDP mejora la capacidad adaptativa de anti-interferencia del radar y puede realizar rápidamente la decisión de anti-interferencia hacia los interferidores. Este trabajo proporciona algunas ideas de diseño para el desarrollo posterior de un radar inteligente.