雷达发射电磁波对目标进行照射并接收其回波,由此获得目标的距离、距离变化率(径向速度)、方位等信息。随着雷达的发展,出现了以分析、抑制、干扰为手段,以削弱雷达侦察效果为目的的一系列电子措施和行动,统称为雷达电子对抗。电子对抗一个重要的步骤是根据侦察得到的雷达参数信息识别敌方雷达的具体型号,为进一步判断雷达的工作模式、系统平台、编队等信息提供坚实的基础。现有识别算法对雷达信号的多个特征值分别计算隶属度,最后求和得到整体隶属度值,并依此判断信号的类型归属,本文针对现有方法无法使用历史数据参与识别,对复杂信号识别正确率低等情况,提出了基于神经网络和决策树等人工智能算法进行雷达型号识别的新方法。本文通过构造神经网络成功完成对多种雷达信号的类型识别,在测试数据有缺失,错误的情况下仍然可以正确完成信号识别工作并具有较高的准确性。通过使用决策树算法对未知信号的威胁等级进行判断,完成了对多个特征参数的统一管理,简化了编码流程,提高了判断准确率。最后本文构造了完整的信号识别软件系统,主要分为数据获取,数据清洗,神经网络构造,型号识别,未知信号威胁等级分析等模块。分解了各软件模块的需求,并根据需求对软件的各功能模块进行了详细分析和设计。本文给出了系统的编程实现及各个模块的输入输出数据结构,并生成模拟数据对软件的功能和效率进行了分析和验证。该软件以python为主要编程语言,同时使用了pyQt,numpy,,matplotlib 等软件库和模块。该软件已用于对实验数据进行分析和评估,同时通过与现有的工程软件进行识别结果比对,证明了新方法能够提供更好的识别准确率和识别速度。对雷达辐射源的型号识别工作起到积极的作用。