由于通信信号、无线电信号、遥控遥测信号、雷达信号等信号的干扰,造成了战场复杂多变的电磁信号环境。为了监测战场电磁信号,从众多干扰源中准确识别信号的调制类型显得尤为重要,是进行信号分析的关键一步。只有先识别出信号的调制类型,才能对信号进行后续分析,以便于信号的解调和其他信息的获取。因此在复杂电磁环境下,对于信号的识别和检测具有重要的意义。本文主要针对6种常用的雷达辐射源信号,分别从图像的不变矩和纹理特征着手对信号进行识别,同时对LFM信号进行了检测与估计,具体包括以下工作:(1)利用不变矩的特征,提出了一种基于时频分布的小波不变矩特征向量提取和识别分类方法。该方法首先对雷达辐射源信号时频图像进行处理,利用小波不变矩的相关性质,从雷达辐射源信号的时频图像中提取小波不变矩的特征向量,由于大量小波不变矩的特征值是无效的,需从中筛选出代表性的特征值,最后采用支持向量机分类识别的方法对特征值进行训练,从而达到信号分类识别的目的。对6种常见雷达辐射源信号进行分类,仿真结果显示,在SNR=-3d B时,识别正确率仍达到90%以上。与其他基于图像不变矩的特征值分类方法相比,该方法在信噪比低于-4d B条件下具有较好的分类效果。(2)提出一种基于Tamura纹理特征和支持向量机相结合的雷达辐射源信号识别方法。该算法针对信号的时频图像先进行图像预处理,再利用Tamura纹理特征法对处理后的时频图像进行特征提取,得到粗糙度、线性度、方向度、对比度和规整度等5个参数的特征值,最后利用支持向量机对所得到的5个方面的特征值进行识别分类,仿真结果显示该方法在低信噪比条件下分类效果较为理想。(3)针对低信噪比条件下线性调频信号的参数估计,提出一种基于Choi-Williams时频分布图像与Hough变换相结合的信号参数提取方法。该方法首先利用CW时频分布对线性调频信号进行时频变换,得到时频图像,根据最大类间方差法选取合适的阈值进行二值化,然后利用形态学的方法对图像加以平滑,再对图像使用Hough变换,最后根据峰值检测的结果对信号进行评估,从而实现对LFM信号参数的估计。仿真结果显示,在SNR<-6d B的情况下,该方法对于单分量LFM信号初始频率估计误差仍小于0.8%,调频斜率的估计值更为准确。