雷达辐射源信号分选是电子对抗中的关键处理过程,也是信号处理研究中的热点和难点问题。在现代电子战争中,各种新体制和复杂体制雷达不断投入使用,使得电磁环境更加复杂,也给雷达辐射源信号分选识别研究带来更多挑战。在分析现代辐射源信号分选识别研究现状的基础上,本文讨论了分选识别的一般过程,为信号的特征提取、特征选择和分类奠定了基础。针对4种常见的雷达信号,分别从时域、频域、双谱域和小波域提取了多种特征并加以分析,仿真实验给出了各种特征参数在不同的信噪比(SNR)下的关系曲线,据此可以定性地判断各个特征的可区分性。为了提高分选效率,本文采用基于主成分分析、灰色关联度和不确定度的方法,对信号特征进行筛选,以便选择出包含分类信息最多的特征因子,然后采用支持向量机(SVM)方法对分选之后的特征向量进行分类检测,仿真结果表明这种分类方法对雷达信号有较好的分类效果,同时特征选择方法可以在保证分选率的前提下缩短分类器的运行时间,提高分类识别效率。此外,本文引入了在图像处理中经常使用的证据C均值算法,来求解不同特征对于各个信号的隶属概率和模糊概率,并以此作为类别判决的依据。仿真结果表明,证据C均值算法能够准确地对不同特征的隶属概率做出判断,根据隶属概率,可以实现对信号分类的目的。为了进一步验证证据C均值算法在不同信噪比下的分类效果,仿真实验给出了频域偏度特征在两种信噪比下的隶属概率和模糊概率。最后,本文从信号的时频分布角度出发,比较了信号的短时傅里叶变换、WVD变换和SM变换,根据分辨率性能和有无交叉项的原则,选择基于S-method变换的方法,来对时域频域交叠的多源调频信号的脉冲起止时间和瞬时频率进行检测估计,仿真结果表明,基于SM时频变换的检测估计方法可以准确地对分量信号进行估计。