无人机具有隐蔽性好、机动性强、感知范围广等优点,因而被广泛用作空中信息化平台的载体。由于单架无人侦察机性能有限,多无人侦察机共同执行侦察任务已成为现代战场上重要的侦察方式。雷达辐射源信号分选是现代电子侦察领域的关键技术之一,也是重要的基础前提,分选效果的好坏将直接影响到整个电子侦察系统的作战效能。随着各种新体制雷达的广泛应用,接收机截获的雷达信号样式呈现多样化、复杂化和综合化的特点,给信号分选技术带来了新的挑战。因此,本文在多接收机协同侦察背景下,从多站时差信号分选的角度,对复杂环境下如何高效、准确的完成雷达辐射源信号分选工作进行了研究,主要研究内容及贡献如下:（1）针对现有的时差分选算法在脉冲配对失败时分选正确率下降以及脉冲利用率低的问题,提出了一种基于三站时差对序列的雷达辐射源信号分选方法。首先利用脉冲特征参数不变性在两个副站脉冲列中搜索与主站脉冲来自同一辐射源的同一脉冲,提取配对成功的脉冲之间的时差组成时差对,将满足误差容限的时差对归入同一集合完成分选;当脉冲配对失败,无法形成完整的时差对时,结合脉冲的方位信息进行辅助分选;最后对副站剩余脉冲进行一次配对过程,提高脉冲利用率。对于极少数无法配对的单站脉冲,通过灰色关联分析法建立起与已分选出的辐射源目标之间的关联性,为后续的决策判断提供依据。仿真结果表明,所提算法对多种重频类型信号均有较高的分选正确率,当截获脉冲的丢失率和干扰率均为15%时,分选正确率达到96.76%,相比与其他算法有了较大提升,同时由于算法在分类过程中采用欧式距离进行聚类,整体的运行时间也低于同类算法。（2）针对现有的时差直方图算法容易受噪声的影响和因时间测量误差导致的直方格分裂问题,本文对现有算法进行改进,并与DBSCAN聚类算法相结合完成信号分选。首先利用短时间内来自同一辐射源的信号到达方向变化较小这一特点来剔除直方峰中的虚假脉冲对,减小噪声影响;针对带有误差的时差值被累积到相邻直方格中导致直方格分裂的问题,通过比较直方格中对应脉冲集合的中心之间的距离进行合并;由于配对算法无法处理失配脉冲,结合DBSCAN算法对样本数据进行聚类分选。仿真结果表明,所提算法能有效剔除直方峰内的噪声时差,降低虚警率,防止“增批”现象的发生,同时,相较于划分聚类算法,DBSCAN聚类能够有效剔除噪声点,在抱团特征明显的雷达参数聚类上具有较好的效果。