随着电子侦察所面临的环境愈发复杂。一方面,环境中存在着的大量雷达辐射源导致空域、频域、时域脉冲信号交叠严重;另一方面,环境中存在着大量新型复杂脉间调制雷达,其参数复杂多变,功能随战场应用灵活切换,对如今雷达信号分选系统提出了新的挑战。雷达信号分选也需要根据战场环境不断地进行发展及创新,以适应未来电子战战场。本文针对复杂电子侦察环境下信号分选所面临问题主要完成了以下内容:第一,对传统预分选流程进行改进,提出特征重要性估计算法,自适应选择高可分特征进行分选,完成分选流程,并进行了仿真验证;第二,将脉冲描述字与深度学习网络结合进行特征提取,并利用已知雷达库结合半监督理论,实现新型分选流程;第三,对分选得到的辐射源结果进行威胁等级评估;最后对特征重要性估计分选算法及威胁等级评估算法进行基于DSP6678的系统实现,满足工程设计要求。针对环境中存在的大量交叠脉冲信号,以及传统预分选采用固定特征顺序进行多参数预分选,无法自适应环境进行处理等问题。本文通过求取特征信息熵及互信息值的方法估计脉冲描述字特征对分类的影响程度,自适应地选择出高重要性的特征进行动态Kmeans预分选。之后结合基于PRI的主分选算法完成脉冲去交错,并通过脉间类型识别给出分选识别结果。针对传统脉冲描述字特征无法结合深度学习网络导致难以对雷达辐射源进行深度特征挖掘等问题。本文对传统脉冲描述字进行研究,提出单脉冲的思想,并利用已知雷达库,结合半监督理论实现信号分选。使用雷达库进行特征匹配对脉冲序列中已知雷达脉冲进行标签化,对脉冲描述字进行重要性估计得出重要高可分特征集。对该特征集进行特征重构形成单脉冲特征矩阵。通过使用稀疏自编码器对单脉冲特征进行编码,对编码特征进行半监督聚类。最后对分类结果进行脉间调制类型识别,并将识别结果加入到分选雷达库中。通过仿真实验验证该方案可有效完成分选流程。针对辐射源脉冲信号分选后,需要快速准确地对分选后目标进行威胁程度评估,并对估计后的高威胁雷达进行快速打击处理。本文针对传统模糊专家评价模式只能固定表达是与否两种决策状态,引入直觉模糊集的概念。对分选后的辐射源参数进行隶属度、非隶属度、犹豫度三种评估。在原有层次分析法的基础上,通过对指标和准则进行直觉模糊数评价,并构建隶属度函数对辐射源参数进行威胁分析。最后对辐射源目标威胁等级进行仿真评估,验证了该方案的有效性。针对在电子侦察环境中信号分选需要实时性进行处理等问题。本文将基于特征重要性估计的信号分选算法及威胁等级评估算法在DSP6678架构下,完成算法硬件实现,并完成上位机数据交互,算法逻辑控制、各组件通信等功能。最终对整个系统进行测试,满足指标要求,完成预期功能。