随着科学技术的飞速发展,雷达设备、通信设备、强力电磁干扰设备等的广泛使用,种类繁多、数量庞大、功能复杂的电磁信号充斥于战场空间中,战场电磁辐射能量由弱变强,频谱由窄变宽,电磁环境趋于复杂,这对处于电磁环境中的电磁设备和人员安全造成很大的影响,因此需要对其复杂度进行评估研究从而采取对应措施来保障设备完好和人员安全。复杂电磁环境信号具有显著的非线性性质,传统的线性信号处理技术对其的应用效果不佳,而数学形态学理论在非线性信号的处理和分析领域是一种极具代表性的方法,它的算法简单快捷、易于并且对信号的边缘信息和形态特征能够有效地提取和保留。因此,本文以复杂电磁环境信号的复杂度评估分类为目的,以数学形态学理论为主要技术方法,将其与非负矩阵分解、神经网络等其他理论方法相结合,提出了基于数学形态学的复杂电磁环境信号特征提取和分类方法,为电磁环境信号复杂度的分类评估提供了一条新的理论和技术道路。论文的主要成果如下:（1）模拟仿真了多种通信信号,雷达信号和干扰信号,并考虑到复杂电磁环境的特性,仿真信号的幅值和出现消失时间均随机生成,由此构建了简单复杂、轻度复杂、中度复杂和重度复杂4种不同复杂度的电磁环境信号。（2）提出了基于自适应多尺度形态梯度滤波和非负矩阵分解的电磁环境信号特征提取方法。针对采用单一尺度结构元素而对信号处理结构片面化的问题,采用一种基于自适应多尺度形态梯度滤波的方法来对电磁环境信号进行处理。结果表明了自适应形态梯度运算对信号的处理效果更为优秀。对信号进行滤波处理之后,选择非负矩阵分解方法对电磁环境信号进行特征提取,结果表明所提取出的特征为不同复杂度电磁环境信号提供了区分度较好的特征信息,能够较好地区分不同复杂度电磁环境信号。（3）提出了基于对数形态梯度谱的电磁环境信号特征提取方法。该方法针对数学形态谱存在的统计偏倚现象和形态梯度谱主要突出信号的冲击信息问题,在数学形态梯度谱的基础上进行对数化处理,并将对数形态梯度谱用于电磁环境信号的特征提取,提取不同复杂度电磁环境信号的特征参数。结果表明,该特征提取方法能够很好地提供区分度较好的特征信息,为不同复杂度电磁环境信号的评估分类打下基础。（4）提出了一种基于树突形态学神经元的电磁环境信号复杂度评估方法。针对不同复杂度电磁环境信号的评估分类,采用了一种基于随机梯度下降法训练的树突形态神经元DMN-SGD。该算法针对树突形态神经元模型存在的过拟合问题,引入了随机梯度下降方法对其进行优化,改进了其训练过程。将DMN-SGD应用于复杂电磁环境信号的分类,取得了较高的分类精度。进一步验证了本文提出的电磁环境信号特征提取方法的有效性。