现在随着新体制雷达的不断涌现，雷达信号的调制形式也在不断发生着变化，战场指令的传达和战场形势的变化越来越依赖于电磁信号的传播。在日趋复杂的电磁环境中，雷达接收机同时接收的信号的数量也在增加，甚至出现不同信号的频谱相互交叉的情况。针对多分量信号，分解提取出各个信号分量的信息，成为新时代信号处理领域的关键性问题。本文主要是在变分模态分解算法的基础上，针对多分量混合雷达信号的降噪和分离技术展开相应的研究。
　　首先，本文对多分量混合雷达信号的特征分布进行了分析，总结了不同调制形式的雷达信号的数学模型，并在此基础上，对多分量混合信号的时频分布特点进行了总结。研究结果表明多分量信号是由于不同信号源在时域上进行叠加造成的，其时频分布特性为各个信号分量时频分布特性的叠加。当不同信号分量的频谱发生交叉时，时频分布会在频谱交叉点处发生较为明显的畸变。
　　然后，在对变分模态分解研究的基础上，本文对多分量信号进行去噪。根据VMD分解得到的每个窄带的本征模态函数的特点，提出利用信号间隙去噪算法对噪声分量进行去噪，利用离散小波变换对信号分量进行去噪。另外，本文在降噪过程中还提出VMD和最小均方算法相结合的降噪方案，并在实际信号的基础上对不同方法的降噪性能进行了分析。
　　最后，由于现代雷达信号主要是大带宽的调幅-调频信号，而变分模态分解中定义的本征模态函数是窄带的。因此，本文采用变分非线性调频模态分解来分离多分量混合雷达信号。在研究该算法的基础上，提出“脊”路跟踪变分非线性调频模态分解，使原算法在低SNR下的信号分离能力得到了提升。
　　论文针对多分量混合雷达信号，在研究变分模态分解的基础上提出基于VMD的自适应降噪算法。其中VMD-ITn-DWTs降噪方法在对雷达仿真信号执行降噪的过程中，当信噪比为-6dB时，可以将信噪比提升11dB左右。在信号分离方面，本文提出的“脊”路跟踪非线性调频模态分解，在相同信噪比条件下，与原始算法相比，分解得到的各个信号分量瞬时频率的相关误差可以减少约30%。