雷达作为电子战的重要装备,大量装备于交战双方,在提高侦察效能的同时,也导致战场的电磁环境越发复杂。如何在复杂的电磁环境中,快速、准确地对敌我双方的雷达辐射源信号进行识别,是电子战研究的重要方向。本文对雷达辐射源信号的分类识别及多传感器融合识别进行了研究,将烟花算法、证据理论等理论用于雷达辐射源的识别研究,实现对雷达辐射源的有效识别。本文完成的主要工作如下:首先,本文研究了支持向量机SVM的基本理论,通过仿真实验,对不同核类型及核参数的支持向量机分类模型的分类效果进行比较分析,引出支持向量机参数优化的问题;其次,分析了传统烟花算法的优缺点,引入伽马分布和非线性变异,给出了一种改进的烟花算法(Improved Fireworks Algorithm,IFWA),并通过标准测试函数对改进算法的性能进行测试,仿真结果表明改进算法具有较强的寻优能力;在对雷达辐射源特征参数分析的基础上,结合改进的烟花优化算法,提出基于改进烟花算法的雷达辐射源识别模型,通过仿真试验,提高了识别的准确率;最后,本文研究了基于证据理论的决策级雷达辐射源融合识别方法,在对多源融合识别进行分析的基础上,将证据理论用于雷达辐射源融合识别,为解决高冲突情况下决策级融合的“一票否决”等与常理相悖的现象,本文提出一种不依靠先验信息的有效因子融合方法,通过对高冲突证据进行修改,实现对高冲突证据的有效融合,将改进方法应用于决策级雷达识别中,有效改善了高冲突证据下雷达识别效果。