在电子对抗中,要精确地确定辐射源,须从接收脉冲流中分选出发自同一辐射源的脉冲信号序列。而对多接收机做数据关联能有效地提高系统的性能,对信号分选有着不可或缺的重要地位。论文首先研究了基于数据关联的预处理,即对多接收机信号基于信号脉冲描述字去干扰处理。本文提出了 KNN的一种改进关联算法,对两部接收机的数据进行关联,通过100次蒙特卡罗仿真实验计算出成功率与错误率。然后提出了一种逐差比对数据融合法。这种新的方法通过2部接收机截获的多部雷达脉冲描述字,将同一雷达的相似脉冲序列进行了数据融合,恢复出原始脉冲信息。论文对算法通过多次仿真运行实验,得到了误差率,从而验证了可行性。论文其次研究了基于聚类的预分选算法,将信号分选的结果进行聚类,以达到分类判别的目的。通过对三种聚类算法——K-Means聚类、模糊C均值聚类(FCM),与反向人工神经网络(BP)算法论证分析,以及仿真,指出了各算法的特点以及适用条件。论文最后研究了雷达信号进行分选的主体算法。论文介绍了 PRI变换法,改进的PRI变换法,CDIF法和SDIF法,并对其进行了研究;对这些算法在理想情况下的不同参数上分别进行了仿真,分析了各自的使用范围与优缺点,并验证了其可行性。最后在有干扰的情况下,将两部接收机数据经过改进的KNN关联后,将关联成功的数据与关联失败的数据分别做分选,通过对比得出结论:在存在干扰噪声的情况下,对经过关联后,关联成功的数据做分选,关联成功的准确率较高。