雷达信号分选识别是雷达电子战中的一个关键环节,在电子战侦察系统中具有举足轻重的作用。随着信息技术的快速发展,电子对抗领域的竞争越来越激烈,战场电磁环境也变得日益复杂,尤其是以低截获概率(Low Probability of Intercept,LPI)雷达为代表的各种新体制雷达大量装备应用,使得雷达信号分选与识别面临诸多问题和挑战。本文主要围绕雷达信号脉内特征分析与识别关键技术问题展开深入研究,提出了三种雷达信号调制识别算法,并设计了一套雷达信号分析与识别验证系统。主要工作包括:1、针对传统脉内调制特征提取算法中存在的计算复杂度高、特征参数普适性较差、识别准确率低等不足,提出了一种基于分数阶域的雷达信号调制识别算法。该算法首先使用分数阶Fourier变换得到不同阶数下雷达信号的分数阶域波形,然后从中提取了多组对称Holder系数特征,最后使用支持向量机分类器实现了对雷达信号的自动调制识别。仿真结果表明,该算法计算简单、识别准确率较好、易于工程实现。2、为进一步提升对复合调制雷达信号的识别准确率和增强抗噪性能,提出了一种基于多域联合特征的雷达信号调制识别算法。该算法首先通过引入的多重同步压缩变换得到雷达信号的时频图像,然后利用图像处理技术对时频图像进行预处理,并从时域、频域、时频域中提取了纹理特征、矩特征、功率谱参数特征和平方频谱复杂度特征等多域特征参数,最后使用支持向量机分类器完成了对雷达信号的自动调制识别。仿真结果表明,该算法抗噪性能良好、在处理复合调制雷达信号时的抗混淆性能更强。3、针对目前人工提取特征算法存在的特征表述能力有限、通用性不足、低信噪比下识别率不佳等问题,以及深度学习模型算法存在的参数复杂、对数据样本要求高、训练耗时长等问题,提出了一种基于迁移深度学习的雷达信号调制识别算法。该算法以GoogLeNet和ResNet预训练模型为基础,通过迁移学习方法对雷达信号的时频图像样本进行重新离线训练,经过网络参数微调后用于对雷达信号的自动在线识别。仿真结果表明,该算法抗噪性能优异、泛化能力良好、在小样本下也能取得较好的识别效果。4、针对当前雷达信号分析与识别算法中普遍存在的重理论仿真、轻工程应用的不足,设计了一套雷达信号分析与识别验证系统。该系统以AWG任意波形发生器和宽带采集分析设备为平台,可实现各种雷达信号的生成、脉冲分选、脉内分析、数据采集和调制识别等功能。实验结果表明,该系统性能稳定、识别效果良好、可扩展性强,具有一定的工程应用价值。