雷达体制的多样化增加了信号侦察、处理、分类、识别的难度。利用脉内调制特征进行分析有利于提高对雷达信号分选、识别的可靠性和速度。本文首先从理论上介绍了信道化和数字接收机的原理和优点,雷达辐射源信号脉冲描述字的一般形式,常用的调制信号形式等。然后介绍了几种常用的脉内调制分析算法,将瞬时自相关、短时傅里叶变换、Wigner-Ville分布和小波变换算法进行比较,分析了各种算法的适用范围和优缺点,评估了它们的实时性、准确性和抗噪声能力,并在此基础上介绍了基于决策树的辐射源分类识别算法,对该算法进行仿真,统计识别率。在此基础上,本文介绍基于神经网络的辐射源识别算法,对神经网络的学习算法以及学习算法的局限性进行了分析,提出了改进方法。最后,对神经网络方法在辐射源分类识别中的应用进行了仿真。在不同训练方法、不同数目样本数下的正确率进行了统计。并在提出了改进方案。