未来战争的主流形态是利用电子战的形式进行的信息化战争,雷达信号分选作为电子侦察的一个重要组成部分,很大程度关系到电子战是否能够发挥作用,最终影响着战争的走向。但是科学技术水平的不断提升和发展,雷达的数量急剧增加,雷达体制越来越丰富,雷达电磁环境也愈来愈复杂多变,这些现象会导致雷达参数信息相近或变化,雷达信号分布会密集交叠,杂波干扰等,给雷达信号分选技术提出了更高的要求。本文从雷达信号分选这迫切需求的角度出发,主要研究了复杂电磁环境下的雷达信号分选技术,主要研究内容体现在以下几个方面:首先分析和了解雷达信号分选所处的复杂电磁环境,并对整体雷达信号分选的系统构造及其各自的功能进行阐述,介绍了雷达信号分选所需要的特征参数,并对好几个传统的雷达信号分选算法进行详细的解读和分析。其次主要是介绍数据场聚类和决策图聚类算法的理论基础并对两种聚类算法都做了不同的改进,提高了算法的聚类效果。数据场是根据数据对象在场中的势值自动实现数据对象的聚类,并利用势值函数值处理孤立的噪声点,决策图是依据数据对象的局部密度值和到最近大密度点的距离来判断聚类中心和聚类数目。之后将数据场和决策图进行联合聚类,利用势值和到最近大密度点的距离来实现聚类,仿真结果显示联合聚类的聚类准确率更高。然后针对脉冲的漏选和错选现象,利用云模型建模对数据对象进行评估,改善脉冲的漏选和错选现象。并对SDIF算法进行改进,消除不能处理抖动信号的弊端,实现雷达信号的主分选功能。最后将云模型与改进的SDIF算法进行联合仿真,仿真结果显示在雷达参数信息相近交叠、脉冲干扰的条件下,联合分选能够取得更佳的分选结果。