雷达信号分选的实质是从侦察系统中截获的大量的脉冲中分离出具有各个不同特征的脉冲序列,并把它对应到每一部雷达辐射源。只有在正确的分选基础上才能对雷达的各种参数进行预估和提取分析,从而后续对目标的定位、跟踪、分析才会精确,雷达库的数据才会进一步的完善。本文首先介绍了复杂雷达信号的基本特征,分析了雷达信号参数时域。频域、空域以及幅度特性,从本质上了解雷达信号的工作原理。然后讨论了雷达侦察系统的组成以及其中的关于雷达信号分选的预处理和主处理机构成、功能和原理。论文针对传统聚类算法需要预先设定聚类中心和聚类数目,对于复杂雷达信号的分选效果不是很理想,提出了一种基于数据场聚类的雷达信号分选算法。首先所有数据样本经过归一化计算,根据数据场理论计算样本的势值,通过最陡梯度法寻找极大值点及其个数来确定初始聚类中心和聚类数目,之后重新计算聚类中心,并不断迭代直到满足收敛条件为止。基于时域特性的雷达信号主分选,首先对传统的直方图法以及改进的CDIF法和SDIF法进行了讨论,经过仿真并分析其效果。由于直方图法对于谐波的抑制能力较差,PRI变换法是在自相关函数的基础上加上相位因子,从而使PRI在其谐波得到了抑制,但是此方法对抖动PRI序列的适应能力较差。经过改进之后PRI变换法通过变换时间起点和小箱重叠的办法能够很好的适应抖动PRI序列,并经过仿真实验证明。最后,给出了整个的一个分选过程,预分选后对其序列检索,并进行参差识别,仿真实验表明,方法可靠性较强,分选效果较为理想。