随着雷达技术的快速发展及抗干扰能力的提升,雷达信号类型越来越复杂多变,使得传统电子侦察系统对截获雷达信号的调制识别越来越困难。提取更有效、普适性更好的雷达信号脉内特征作为经典五参数的补充是提高雷达信号分选识别的有效途径。为此,本文针对截获的未知雷达脉冲信号,从基于模糊函数(AF)、模糊函数的零频移切面以及分类器的选择三个方面对雷达辐射源信号特征提取与识别相关理论问题展开讨论和研究,主要工作和研究成果如下:1、建立了典型雷达信号模型,包括常规脉冲、频率调制、相位调制信号,对信号时域、频域及模糊函数图形进行仿真和分析,并分析了用于识别波形的分类器模型。2、分析了信号截获过程并建立了截获信号模型。不同截获雷达信号的载频、幅度、初始相位等参数可能不同,为了提取对这些参数不变的特征,研究了基于自相关(ACF)的特征提取方法,并用k近邻(kNN)、支持向量机(SVM)分类器对特征向量进行信号调制类型识别。用kNN分类时,在信噪比(SNR)为2dB时,识别率可以达到90%以上。当对相同数据处理时,SVM比kNN具有更好的分类性能。为了降低噪声干扰,对截获的脉冲组进行了自相关整体平均处理。仿真结果表明,这种方法能显著提高信号的识别率,在信噪比为6dB,且有20个脉冲累积的条件下,两种分类器均能达到将近100%的识别率。3、鉴于自相关等价于模糊函数的零多普勒频移切面,且自相关没有包含信号频域的信息,为了提取对前述参数不变的特征,将基于自相关的特征提取替换成基于模糊函数的特征提取。在相同的信号参数设置下,采用kNN、SVM分类器对基于模糊函数的特征向量分类,同样达到较理想的分类结果。尤其是使用SVM分类器时,在脉冲积累数为1、5、10个时,在低信噪比下的识别率相对基于自相关的特征向量有所提高,这对于脉冲积累困难的信号调制识别特别有益。