电子战是现代作战的重要形式,而雷达在现代战场上中具有非常重要的地位。只有获得敌方雷达的参数、体制等信息特征,才能掌握其相关武器系统的工作状态、制导方式,了解其战术运用特点及作战能力,从而为指挥员提供作战决策依据,所以对雷达的正确识别在现代作战中具有重要意义。本文主要介绍了一种新的基于并行Boosting算法建造雷达辐射源识别的方法。在该方法系统中,首先深入探讨了辐射源数据的特征提取理论算法,并且用该方法对系统所用的数据集进行预处理,将数据从高维向低维做影射,提高系统的识别率。其次对作为该并行Boosting的基分类算法——BP神经网络作了详细的讨论,并成功地构造出适合该系统的神经网络结构。最后重点对并行Boosting算法及多处理器环境下多分类器的设计、构建、改进等作了深入的研究,并用RADAR数据集对系统进行了测试,且取得了很好的效果,与同类方法比较识别所用的时间有很大的降低。同时将并行Boosting的测试结果与基分类算法BP的测试结果进行比较,证明并行Boosting方法能够大幅度提高弱分类算法识别率,以及该多分类器系统的理论可行性。