随着电磁环境日趋密集复杂,新雷达体制不断涌现,雷达信号分选面临着新的技术挑战,这也暴露了经典脉冲重复间隔(Pulse Repeat Interval,本文称间隔周期)分选算法不适应高缺失、高虚假电磁环境的缺点,直接体现在间隔周期估计结果不再可靠,尤其是参差间隔周期。另一方面,压缩感知在周期估计领域取得了优异效果,基于压缩感知理论的拉马努金滤波器组以屏蔽其他周期数据对目标数据的影响,能做到从复杂周期数据中准确估计隐藏周期。但是,受限于压缩感知算法庞大的数据量和运算量,该方法无法用于估计雷达混叠脉冲的间隔周期。本文的目的是利用压缩感知在线估计雷达混叠脉冲的参差间隔周期,为此将论文分为三部分:1)在混叠脉冲间隔周期估计方面,提出拉马努金子空间和周期数据的替换方案,实现利用压缩感知估计雷达混叠脉冲的间隔周期。为了解决基于压缩感知理论的拉马努金滤波器组数据量太大的问题,本文先通过提出拉马努金子空间的零和能量性质,证明了小数据量快速傅里叶变换(Discrete Fourier Transform,DFT)序列替换方案的可能性,又对比时间点模型和到达时间(Time Of Arrival,TOA)模型的优缺点,表明了TOA模型替换方案的合理性。实验表明,替换后的算法能够准确地估计出混叠脉冲中的间隔周期。2)在替换方案的基础上,设计雷达混叠脉冲的参差间隔周期估计新算法。为能够估计雷达混叠脉冲隐藏的参差间隔周期,本文提出了利用初相计算参差间隔周期的思路。实验表明,该算法能够准确地估计出混叠脉冲中隐藏的参差间隔周期,且不受虚假脉冲影响,并有良好的抗脉冲缺失能力。针对抖动间隔周期,本文引入开窗函数计算其初相,进而得到抖动间隔周期的抖动率。3)虽然上述算法实现了对雷达混叠脉冲的参差间隔周期估计,但相较于经典PRI(Pulse Repetition Interval)分选算法,算法运行时间依旧较长,远达不到在线估计的要求。为了加速雷达混叠脉冲的参差间隔周期估计算法,考虑算法中存在大量互不干扰的并行运算模块,本文选择了能够处理并行计算的设备——图像处理器(Graphics Processing units,GPU),设计并行算法实现加速。实验表明,基于GPU的参差间隔周期估计算法的并行算法既保证了准确率,又满足了算法实时计算的要求。