雷达辐射源信号识别是电子情报侦察(ELINT)和电子支援侦察(ESM)系统中的关键环节，在电子战中具有十分重要的地位和作用。信号的特征参数提取是分类识别的前提和基础，传统的雷达辐射源信号识别方法主要基于信号载频(RF)，脉冲宽度(PW)，脉冲幅度(PA)，到达时间(TOA)和到达角(DOA)五种参数构成的特征矢量，通过与雷达辐射源信号数据库中相应的特征参数进行匹配识别出辐射源信号的属性。随着电子技术的不断发展，新型复杂体制雷达辐射源信号已占居主导地位，同时现代战场电磁环境的信号密度日趋密集，基于五种常规参数的信号识别方法的可靠性急剧下降，对此亟需研究和探索更为有效的识别特征。时频分析作为一种新兴的信号处理方法，克服了传统傅立叶变换在处理非平稳信号时的局限，将一维时域信号转换到二维时频域进行描述，从而反映了雷达辐射源信号能量随时间和频率的变化关系，在时频域精确地描述了信号，更能体现出不同雷达辐射源信号的差异性。针对低信噪比下复杂体制雷达辐射源信号识别，本文应用时频分析方法对雷达信号的脉内特征进行分析，提取了信号的时频特征，同时研究了瞬时频率(InstantaneousFrequency, IF)估计方法，主要工作如下：1．在研究信号时频分布的基础上，提出了基于时频分布Rényi熵的雷达信号特征提取和识别方法。该方法首先对雷达信号进行时频变换，然后提取信号时频分布的3阶、5阶、7阶、9阶和11阶Rényi熵作为特征向量，得到具有维数低、类间差异较大的识别特征，最后采用支持向量机分类器实现信号的分类识别。文中对八种典型的雷达信号进行了仿真实验，结果表明在较大的信噪比范围内，该方法能获得较为满意的正确识别率，当信噪比为-3dB时，采用时频分布Rényi熵特征的平均识别率仍能达到90.75%，验证了所提出方法的有效性。2．研究了基于时频图像特征的雷达辐射源信号识别方法，对雷达辐射源信号进行时频变换后，将时频图像转化为灰度图，采用图像识别的方法完成了信号的分类识别任务。通过观察时频图像可以看出不同调制方式雷达信号的时频分布在几何形状上的差异性比较明显，据此研究了时频图像的形状特征。为了更有效的提取特征，采用一系列图像处理方法对时频图像进行增强和去噪，最后提取了二值图像的中心矩和伪Zernike矩作为识别特征，并采用支持向量机分类器实现信号的分类识别。针对不同信噪比下8种雷达信号的分类识别进行了仿真实验，当SNR=-3dB时，伪Zernike矩特征提取方法的平均识别率仍能达到92%，验证了所提出方法的有效性。3．为了区分时频图像相近的信号，进一步研究了雷达辐射源信号时频图像的纹理特征，提取局部二值模式(LBP)纹理特征描述子作为信号的识别特征。针对12种雷达辐射源信号在不同信噪比下进行仿真实验，结果表明LBP算子在较低的信噪比下仍能获得较为满意的识别率，其中当SNR=0dB时，信号的平均识别率仍能达到95.35%。同时LBP特征能有效识别出不同频偏的LFM信号。4．为了提高低信噪比下频率调制信号IF估计精度，对传统的时频峰值检测IF估计方法进行了改进。首先对信号WVD和CWD的时频分布矩阵作Hadamard积，得到一种混合的时频分析方法；然后以时频分布峰值在信号自项时频聚集区域的分布概率为准则，计算出时频分析的数据窗长，并根据该窗长得到IF的初始估计；最后依据初始IF，采用交叉置信区间算法对时频分布最优窗长，依据最优窗长得到信号的瞬时频率估计值。仿真结果表明改进的时频峰值检测方法能有效提升调频信号的IF估计精度。5．针对低信噪比条件下及多分量信号的IF估计，提出一种将时频分析和图像处理相结合的IF估计方法。文中首先采用时频峰值滤波方法对信号进行降噪处理，而后通过时频变换将一维信号转化为二维时频图像；接着通过检测信号的起止频率剪切出只含信号的时频图像区域，并将其转化为二值图像；然后采用形态学方法去除时频图像上的噪声点和毛刺，将其骨骼化；最后采用图像处理中标注连接分量方法，有效地区分不同信号分量以及噪声分量，并通过统计信号分量的行索引和列索引估计出信号的IF。文中对SFM、LFM和FSK信号的IF估计进行了仿真分析，实验结果表明该方法能够在较低信噪比下有效估计出信号的IF，同时也适用于多分量信号。