雷达信号分选指从多部雷达发射的混叠信号中将各个雷达发出的信号归类的过程。在当前电子对抗战争中,及时准确地侦察敌方信号,捕获敌方信息是取得胜利的关键,而信号分选是电子侦察系统的关键技术。因此,在当前电子环境复杂,信号交叠严重,雷达辐射源未知的条件下,如何有效地将雷达信号分选出来是亟待解决的问题。为此,本文首先对k均值聚类算法和模糊聚类算法进行深入研究:k均值聚类算法是对雷达样本进行的硬划分,聚类准确率不高,模糊聚类则需要事先设定先验信息,对未知雷达辐射源信号不能有效聚类,针对传统聚类算法存在的不足,首先从雷达信号的脉间特征着手,利用传统五参数,提出一种基于入侵性杂草改进的FCM算法,然后研究雷达信号的脉内特征的提取方法,提出一种基于时频原子提取脉内特征的方法。主要研究内容和取得的成果如下:针对雷达信号脉间特征的聚类,入侵性杂草算法具有结构简单,参数少,全局搜索能力强的特点,能够在较少的迭代次数下搜寻最优解,为此,本文提出一种基于杂草改进的FCM算法,该算法主要是对模糊聚类算法对初始聚类中心的依赖性进行改进,首先根据样本数目确定雷达类别数目的解空间,然后根据距离准则,采用杂草算法在整个解空间内搜索最佳的类别数目,作为模糊聚类的初始参数进行聚类,并跟传统的k均值聚类和AP聚类算法进行比较,验证了该算法摆脱了对初始聚类中心的依赖性,具有较高的分选正确率。针对雷达信号脉内特征的聚类,使用雷达信号的脉内特征来研究信号的分选问题是近几年讨论的热点,许多学者验证了基于时频原子提取脉内特征是有效的,但是时频原子的数量巨大,计算复杂度高,针对这一问题本文提出一种改进的时频原子提取脉内特征的方法,首先介绍5种经典的雷达信号的数学模型,然后提出将杂草算法与时频原子相结合的方法,根据距离准则,利用杂草智能算法搜寻能够区分不同调制方式的雷达信号的一组原子,并与待分选的雷达信号做内积运算,作为改进FCM算法的输入矢量进行分类,分别在-3dB到5dB的信噪比下进行仿真实验,验证该算法的有效性。