雷达辐射源信号分选是现代高技术战争和将来的信息化战争中至关重要的环节，是网络中心战中感知的关键技术，是电子对抗以及多模交合制导中被动雷达寻的器的首要关键技术，是当前电子情报侦察系统(ELINT)和电子支援系统(ESM)中的瓶颈技术。随着雷达的低截获概率(LPI)技术、脉内波形变换技术、多参数捷变等技术的发展，以及各种工作体制和多种抗干扰技术综合应用为特征的极为复杂的雷达信号环境的出现，给雷达信号分选提出了严峻的挑战。针对雷达对抗信号处理研究工作中迫切需要解决的关键理论问题，本论文对复杂环境下未知雷达辐射源信号分选的体系结构和新方法进行了探索性和系统性的研究，获得了如下研究成果：1提出一种新的未知辐射源雷达信号分选模型结构。新分选模型结构打破了传统的基于五参数(DOA、RF、PRI、PW、TOA)的序贯分选模式，以一种崭新的思路研究复杂环境下未知雷达辐射源信号分选问题。提出了多参数综合信号分选的理念，提出了信号分选特征提取的概念，将识别和评估机制引入信号分选系统，增加了基于脉幅调制信息的信号分选环节。通过对新模型结构实现算法和实验验证的研究，证明了新模型结构比传统模型结构更加有效。2分析了雷达信号分选中的‘容差’问题，传统的雷达信号分选方法是基于设定容差的，由此导致了最优边界的划分问题成为雷达信号分选领域近十几年发展中的难点问题。本文分别提出了基于支持向量聚类和分层互耦的分选算法、基于支持向量聚类和级联互耦的分选算法、基于支持向量和K—Means聚类的雷达信号分选算法。消除了‘容差’问题对雷达信号分选的影响。3提出‘类型熵’和‘密度熵’的概念，来量化描述雷达辐射源全脉冲信号环境的复杂程度和密集程度，并将‘类型熵’及‘密度熵’的识别技术分别引入信号分选，与上述的几种聚类分选算法相结合，对聚类结果进行有效性评估，从而形成了联合信号分选／识别的新体制。4针对雷达辐射源信号瞬时脉冲参数的变化特点，提出了一种基于结构函数和经验模态分解的雷达全脉冲信号特征提取方法，可以从具有复杂变化特征的雷达全脉冲信号流中，提取出周期滑变特征——G特征，从而为该类信号的分选提供可能。通过仿真实验，验证了这种特征提取方法的有效性。5提出了将全脉冲幅度调制信息用于信号分选的踏浪算法，分析了算法的模型及其处理流程，并对测试结果进行了分析。