在现代信息化战争中,雷达扮演着极其重要的角色,对敌方雷达状态与属性的准确掌控是电磁作战空间实现透明化的最重要环节。然而随着雷达技术与电子对抗技术的不断发展,作为获取雷达辐射源情报主要手段的ESM设备正面临着日益复杂的电磁信号环境,“低观测维度”、“低空间分辨率”等问题已经成为电子侦察设备不得不面对的常态化问题,同时由于辐射源数量和种类的爆炸式增大,使得特征参数出现“高混叠性”,这些问题导致了传统雷达辐射源识别技术的效果出现明显下降。本文正是基于上述背景,对复杂观测条件下的雷达辐射源识别问题展开研究,通过知识辅助处理、特征轨迹匹配和融合识别三个途径来全面提升雷达辐射源识别的整体效果。本文要研究的内容主要包含以下两个方面:第一,研究了知识辅助的辐射源粗分类技术。由于不同类型辐射源的电磁参数属性与数量存在一定差异,加上复杂观测条件导致的电磁参数观测不完全现象,传统辐射源识别方法效果下降严重,必须寻找能够有效处理维度不一致和观测不完全信息的方法,充分利用电子侦察设备输出的情报信息,提升识别效果。为此,本文提出向识别处理流程引入知识辅助处理的方式来解决情报充分利用的问题,提升了辐射源粗分类效果。具体的研究包括两方面内容,基于本体论的辐射源领域知识建模和基于本体论框架的辐射源粗分类,详见本文第三章。第二,研究了基于特征轨迹匹配和融合处理的辐射源精细识别方法。随着雷达辐射源数量和复杂度的不断增加,辐射源电磁参数复用和混叠情况日趋严重,传统依靠单个特征参数向量进行辐射源识别的模式已经不能适应现实需求。为此,本文提出一种基于特征轨迹匹配和多观测融合的辐射源精细识别处理架构,该架构利用全脉冲数据隐含的特征轨迹来区分那些特征参数混叠严重的辐射源模式,明显提升了单次观测的辐射源识别效果;在此基础上,进一步采用Bayes的方法对多次观测进行推理识别,以此来降低复杂观测条件下单次观测的存在的不确定性,最终实现了雷达辐射源的最优识别,详见本文第四章。本文采用知识辅助处理、特征轨迹匹配和多观测融合处理三项技术解决了ESM情报信息的充分利用问题和复杂观测条件造成的观测不完全和不确定性问题,并构建了粗分类加精细识别的双层处理架构来提升识别系统整体效果,仿真实现验证了本文所提方法的有效性。