为了对多部敌方雷达进行分辨与识别,并且获取不同雷达的各项参数,需要用信号分选技术对侦收到的随机交迭的信号脉冲流进行分析。新体制雷达信号不断出现,它们功率低、频带宽并有着良好的隐蔽性和抗干扰能力,这使得基于经典5参数(RF、TOA、PW、PA、DOA)的信号分选方法面临巨大困难。采用脉内特征参数识别辐射源信号是近年来的普遍共识,运用时频分析理论分析截获信号的脉内特征,也是当前研究的热点。信号的脉内调制形式众多,其中相位编码信号(PSK)与线性调频信号(LFM)为两种典型的低截获概率信号,也是本文研究的重点。对于PSK信号的识别,关键在于突变点检测。本文先后采用了小波变换中的多分辨分析(MRA)方法、以及Gabor变换两种方法进行检测。其中,MRA算法优势为其多尺度特性,可以利用不同波形的小波对不同的突变点进行适应,但其处理结果随载频的变化而很不稳定。Gabor变换具有非常强的时频分辨力,且处理结果稳定,但传统方法需进行二维Gabor变换,其计算速度较慢,且在Gabor变换之后,需要进行较复杂的脊线提取过程。因此,本文提出了一种一维Gabor变换算法,在保证较好的稳定性的同时,也具有较快的运算速度。LFM信号识别的关键在于能否完整地获得信号时频能量图的线性特征。本文采用STFT获得信号的时频能量图,再拟合其脊线,获取其中心频率、调制斜率等参数。该算法处理时间较短,但该方法获得的线性特征分散、对噪声相对敏感、且在存在信号交迭时失效的问题。TFAD算法能够获得LFM信号完整的自然特征、抗噪声的性能好、且具备分析相互交迭的线性调频信号的能力,但其有着突出的缺点:计算量过大。本文提出了一种逐维搜索-时频原子分解算法,在充分保证分析能力的情况下,大大提高了运算速度。