随着无源探测系统的发展,低截获概率（Low Probability of Interception,LPI）雷达信号得到广泛应用,正确对LPI信号进行分选识别成为关键技术之一。针对LPI信号的分选与调制识别问题,本文提出了先分选后识别的算法流程。基于多相滤波结构对信号进行参数估计和信号脉间分选。并提出了时频分析与机器学习相结合的脉内调制识别算法。之后设计了基于可编程宽带雷达的半实物仿真系统对脉内调制识别算法进行了验证。主要内容如下:1、低截获概率脉冲雷达信号需要利用宽带数字接收机进行接收。为了从信号流中获得单个脉冲内信号进行调制方式识别,本文采用多相滤波结构进行信道化截获接收机的模拟,利用参数估计方法对脉冲参数进行测量并进行脉间分选。2、根据获得的脉冲参数进行信号脉间分选,将脉冲信号序列分选为多个子序列。提取不同脉冲子序列中的信号,对其进行脉内调制识别。本文从Choi-Williams分布获得信号的时频图后,利用机器学习实现了LPI信号调制方式的识别。由于多相雷达信号难于识别,提出了一种利用时频图像特征提取与随机森林组合的方法,对多相码进行分类。本文利用残差网络进行初次时频图像分类识别,再对识别为多相码的信号进行时频特征提取并进行随机森林分类,提高了多相码信号的正确识别率。在信噪比为0d B的情况下,12种信号总的正确识别率可达到95.1%,表明所提方法具有良好的识别性能。3、本文基于可编程宽带雷达,模拟实际截获场景,设计了由发射模块与截获模块组成的半实物仿真系统。利用该系统,针对系统截获后的信号进行脉冲提取与时频分析,进行了脉内调制方式识别的验证,证明了脉内调制识别算法的正确性。