雷达侦察是现代电子战战场中获取情报信息的重要手段。作为雷达对抗侦察系统的关键技术,雷达信号分选利用同辐射源信号参数的相关性和不同辐射源信号参数的差异性分离交错雷达脉冲序列中来自不同辐射源的脉冲信号,为辐射源信号的特征分析、特征匹配和分类识别提供可靠分选信息,以有效支持辐射源工作状态和用途的判定。随着现代雷达技术的飞速发展,具有多种工作模式的复杂体制雷达在现代电子战战场中大量涌现,且辐射源信号往往采用复杂的脉间、脉内调制方式,导致战场信号环境的复杂程度不断加深,给雷达信号分选带来严峻挑战。本论文深入分析复杂体制雷达信号的多样性、多变性、低截获等特点,针对复杂电磁环境下雷达信号分选技术亟需解决的具体问题,从不同的信息维度上对截获雷达信号进行分析处理,挖掘新的信号特征,探索性地研究了综合复杂体制雷达信号以及复杂脉间、脉内调制雷达信号的分选新方法。重点研究以下内容:1.提出一种欠定条件下MIMO雷达信号的盲分离与重构方法,对截获的交叠信号进行分离和还原处理,从波形维度上为特征参数提取和信号分选提供有力支持。对于不同发射通道信号在空时频域均严重交叠的多传感器雷达（如多输入多输出雷达）信号,当缺少先验信息且在接收通道个数小于发射通道个数的欠定条件下,现有的信号处理方法难以有效实现信号的分离、特征提取以及分选处理。本论文利用MIMO雷达信号的时频域稀疏性,提出针对正交离散频率编码MIMO雷达信号的欠定盲分离与重构技术。首先,采用时频独立复角点检测算法和数据场场强引导聚类完成混合矩阵估计;在此基础上,融合接收机测频信息,将稀疏模型的l₁范数最小化算法与频率编码曲线滤波技术相结合,重构各发射信号分量。该方法在信号接收端即开始执行信号分选过程,能够以较高的精度实现混合矩阵估计和频率编码估计,并有效地分离、还原各路发射信号,以保证后续所提取特征参数的准确性,从波形维度上提高信号分选的有效性。2.将脉冲的参数变化视作一个信息维度,分析雷达全脉冲信号脉间参数的变化特点,提出一种雷达信号脉间周期性特征提取方法。该方法对提取的全脉冲信号到达时间-载频二维信息序列进行插值与相关预处理,引入奇异谱分析（SSA）算法,将信号的周期性脉间变化特征提取问题转化为微弱信号的分离问题,通过分离等效信号子空间和快速傅里叶变换（FFT）频谱分析实现雷达全脉冲序列中周期性特征的提取。所提出方法在一定的脉冲丢失以及滑变带宽范围内能够准确提取载频周期滑变信号的滑变频率。3.针对低信噪比信号环境下复合调制雷达信号分选识别正确率较低的情况,在脉内信息维度上挖掘新的特征参数,提出一种复杂调制雷达信号模糊函数主脊特征提取方法。鉴于模糊函数能够较为完整地描述雷达信号的内在结构信息,突出每种调制类型雷达信号区别于其他调制信号的个体特征,本论文研究分析不同调制类型信号的模糊能量分布特性以及模糊函数主脊的不规则程度,提取主脊切面的旋转角特征及分形维数系数特征,构成具有良好同类聚敛性和异类差异性的特征参数空间。通过仿真实验验证,利用提取的特征参数可在较低信噪比且常规、复合调制雷达信号同时存在的条件下以较高的准确率实现信号的分选识别。4.针对传统信号分选方法在处理具有多种工作模式的综合体制雷达辐射源信号时出现的“增批”问题,本文引入空间数据挖掘思想,提出一种数据场联合云模型的综合体制雷达信号分选方法。该方法利用数据场相关理论,将信号参数样本在特征空间中的势场分布作为一个信息维度,充分揭示雷达辐射源信号参数样本的空间分布特性,参数样本在场力的作用下完成动态聚类;在此基础上,对聚类结果进行云模型隶属度分析,根据建立的辐射源信号归属判定准则实现辐射源信号最终的分选处理。该方法能够有效避免将同一辐射源的多种工作状态分选为多个辐射源,并可以获得较高的分选准确率。