雷达辐射源信号分选是现代电子战中侦察系统的关键技术和雷达对抗信息处理的关键环节。信号分选系统通过对接收到的复杂雷达信号进行特征信息提取及去交错处理,实现辐射源识别和威胁等级评估,为作战提供重要的军事情报。本文针对复杂电磁环境下雷达侦察设备的信号分选问题,在以下几个方面进行了研究:首先,对目前战场的复杂电磁环境进行了理论分析,说明了常见的雷达辐射源信号并建立其数学模型,在此基础上对信号的时域、频域、空域及其他特征参数进行提取。研究了雷达侦察系统及其信号处理子系统的组成,并分析影响信号分选效果的关键因素,这些影响因素将在后续的仿真实验中进行考虑。其次,针对雷达侦察接收机截获的信号脉冲流密度较大的问题,提出了对待分选信号挖掘脉内相像系数特征进行聚类处理从而对信号流进行稀释,以降低后续分选工作的压力。相像系数作为一种工具可以衡量两个信号之间的相似程度,本文通过对雷达信号分别与典型的矩形脉冲序列和三角脉冲序列计算相像系数,并组成联合特征向量对信号的脉内特征信息进行提取,然后将该联合特征向量进行K-means聚类从而实现对不同调制方式雷达信号的初步分类。并针对经典的K-means算法需要提前给定聚类数目的问题进行了改进,将增量聚类的思想应用到信号流稀释中。最后通过仿真实验和实测数据实验验证了利用相像系数对信号流进行稀释处理的可行性及有效性。最后,聚类作为一种数据挖掘的方法能够挖掘数据蕴含的内部特征及分布规律,已经被应用到雷达信号分选领域对信号进行处理。针对目前文献中大量使用的模糊C均值聚类分选算法在信号交叠严重时分选性能下降的问题,本文提出将小波变换和网格聚类结合的小波聚类算法应用到信号分选中。通过对待分选的信号建立小波聚类模型,提出了利用小波聚类进行信号分选的工作流程并分析了该分选方法的时间复杂度。该算法拥有网格聚类快速处理、对输入数据量和输入数据顺序不敏感、可以发现任意形状的簇等优点,同时引入小波变换实现了快速多尺度和多分辨率聚类及去噪。另一方面该算法不需要提前给定聚类的数目,这增加了它的实用性。计算机仿真实验表明该算法在信号参数交叠严重及抖动较大的情况下仍能够获得很高的分选正确率,验证了本文所提算法的有效性。