信息化时代的战争离不开及时、准确、可靠的雷达对抗情报,雷达电子战中的雷达对抗是获取雷达对抗情报的主要手段。但是,随着电磁环境的日益复杂,雷达辐射源信号的密度指数激增,这就对信号处理算法在有效性、可靠性和时效性等方面提出了更高的要求。传统雷达信号分选,主要是载波频率(Radio Frequency,RF),脉冲宽度(Pulse Width,PW),脉冲幅度(Pulse Amplitude,PA),到达时间(Time of Arrival,TOA),到达方向(Direction of Arrival,DOA)五个经典参数,但是由于现代雷达呈现出调制方式多样化、参数复杂快变化的特性,仅利用常规参数难以达到理想的分选识别准确率。由于模糊函数能较为细致地反映信号的内在信息,为进一步提高雷达信号的分选识别准确率,本文提出了基于模糊函数(Ambiguity Function,AF)的雷达信号特征提取算法。(1)首先提出了一种基于模糊函数能量特征的雷达信号分选方法,该方法利用灰狼优化算法提取信号的模糊函数主脊(Ambiguity Function Main Ridge,AFMR),然后提取能够描述主脊切面模糊能量集中程度的能量矩特征和能够描述主脊切面复杂性和不规则性的模糊熵特征作为信号分选的特征向量。该方法的仿真实验表明,所提特征较为完整地反映了AFMR模糊能量的分布特性,在0dB以上的信噪比环境中分选六类典型雷达信号的成功率保持在94.33%以上,即使在信噪比为-2dB,分选成功率仍可达到89.17%;在0-20dB动态信噪比条件下平均分选成功率为99.55%.理论分析与分选耗时比较实验也表明,所提方法具有较低的算法复杂度,证实了其有效性和时效性。(2)接着提出了一种基于极坐标转换的模糊函数主脊切面形态特征提取方法,该方法首先将AFMR切面变换到极坐标域以形成封闭的几何图像,然后提取该图像的均面积、致密度和似圆度作为信号分选的特征向量。仿真实验也体现了特征参数较好的性能反映了信号模糊能量的变化特性和复杂性,在低信噪比情况下,所提特征能以较高的正确率有效地分选出各种雷达信号;在动态信噪比条件下同样具有较高的准确率。与其他方法相比具有更高的准确率和更低的算法复杂度,不仅类内聚敛性好,而且抗干扰能力强,可作为经典五参数分选特征的有效补充。