雷达侦察从二战开始到现在已经有了巨大的发展，但随着电磁环境的越来越复杂，雷达侦察也面临着越来越严峻的挑战，由于复杂的电磁环境，各种雷达信号在时域或频域上的交叠越来越明显，这给雷达侦察带来了极大的困难。雷达信号分选作为雷达侦察的关键环节之一，也同样面临着巨大的挑战。本文主要针对雷达侦察系统中的信号分选算法作出了相关研究。本文首先主要研究了雷达信号到达角度（DOA）有关的估计，并对此在不同天线模型下做出相关的仿真计算验证，介绍了PDW相关参数的测量原理，并着重对频率的测量方法进行了研究和仿真，研究了一种基于WVD-Hough变换的测频方法；其次主要研究了三种聚类模型，并将相关理论引入到雷达信号分选算法中：基于自适应共振理论的模糊聚类（FART）模型、基于模糊C均值（FCM）的聚类模型、基于自组织特征映射网络（SOFM）的聚类模型，论文对这三个算法做出了理论分析推导，并且对三个算法的雷达脉冲正确分选率进行了仿真对比，仿真结果表明这几种基于模糊处理和神经网络的算法可以有效的对雷达脉冲信号进行分选；最后本文对雷达信号的脉冲重复周期（PRI）工作样式的识别进行了研究，对几种传统的PRI样式识别算法进行了对比仿真，并着重研究了一种基于特征向量提取的PRI样式识别算法，由仿真结果可以看出这基于种特征向量提取的算法可以有效地对PRI样式进行识别，并与传统的直方图法PRI样式识别率进行了对比。通过仿真的验证和比较可以看出，对于本文中研究的三个信号分选算法，在噪声或脉冲干扰比较严重的情况下，还可以对接收到的脉冲串进行有较的分选；对于PRI的样式识别，本文中研究的方法相比较于传统的直方图法有了较大的改善。