本文结合项目需求主要研究了雷达辐射源信号脉内调制方式识别技术,分别讨论了基于时频特征的识别算法和基于神经网络的识别算法。本文首先采用相关检测算法,较为精确地估计了雷达辐射源信号到达时间和结束时间。其次研究了雷达辐射源信号相位展开算法,从信号的测量相位推导出信号的真实相位。再基于信号的瞬时相位,采用修正的Kay算法获取了信号的瞬时频率,并详细分析了该算法性能。在上述算法研究基础上,本文基于信号的瞬时相位和瞬时频率特征,建立了十二种雷达辐射源信号模型,分析了各自信号的时域、频域特点,通过对比分析不同信号的时相、时频曲线,给出了其脉内调制方式的识别特征。基于这些特征,给出了上述十二种常用雷达信号的调制方式识别及其参数估计算法,通过大量计算机仿真给出了各种信号在不同条件下的识别率以及参数估计误差,并给出一个满足工程需求的完整的雷达辐射源信号脉内调制方式识别与参数估计方案。为实现对复杂雷达信号的识别,本文最后研究了一种新的雷达脉冲信号识别特征参数,该特征参数主要考虑信号幅度统计特性和频谱相像特性,研究和设计了一个分层结构的BP神经网络分类器,并基于此分类器对六种雷达辐射源信号进行识别,仿真结果表明,该算法识别正确率高,具有较好的应用前景。