近年来,电子战在现在战争中占据着主要地位,已成为一种新型作战形式。在愈发复杂的电磁环境中,电子侦察作为电子战的先导,其方法是通过对未知雷达辐射源信号进行截获并分析其相关的特征参数。本文在此前提下首先对接收到的信号进行检测,判断是否含有雷达目标;其次当判断为有效雷达目标后,对雷达信号进行调制方式识别来判断信号的调制参数;最后对信号做波达方向估计用于确定信号的位置参数。具体研究内容如下:（1）对于雷达目标信号检测研究了自适应恒虚警检测算法,针对雷达信号侦察中非合作方缺少信息先验性的特点,首先利用基于短时傅里叶变换的非相参累积技术获得累积增益来提升目标信号的检测性能,其次对经典的单元平均恒虚警算法在多目标检测时性能下降的问题加以改进,通过仿真证明此方法的有效性。（2）研究了基于双路并联神经网络的雷达信号调制方式识别,将信号原始数据的幅相特征作为神经网络的输入,设计残差网络和Attention机制优化的长短时记忆网络并联的网络模型,结合上下支路网络的优势,分别提取信号的空间和时序特征,再进行网络输出,仿真证明在较低信噪比下,也能较好的对论文提及的六种雷达信号的调制方式进行识别。（3）对于雷达信号的波达方向估计（Direction of Arrival,DOA）,提出将极限学习机（Extreme Learning Machine,ELM）与空间平滑算法相结合用于求解相干信号的波达方向,同时利用海鸥算法优化ELM模型参数,提升模型在DOA估计时的效果。首先将信号进行空间平滑处理用于解相干,然后将信号样本协方差矩阵的上三角矩阵作为模型的输入,信源角度为模型的输出,最后再通过训练好的模型进行信号角度估计,仿真对比其他算法,证明该算法有更好的测向精度和性能。