雷达信号分选一直都是电子战中的关键技术和研究的热点问题。随着电磁环境日益复杂，雷达信号种类增多，雷达参数变化也越来越快，信号流密度越来越高，脉冲交叠，杂波干扰都对雷达信号分选带来困难。信号错误分选，将导致错漏目标，延误战机。复杂环境中，雷达信号正确分选是电子侦察中至关重要的一环。　　因此，本文提出多设备协同信号分选算法，通过改进K-Means算法和优化SIDF结合的分选算法、基于时差和多参数加权的算法实现多设备协同对多雷达信号的分选，有效降低杂波干扰、脉冲叠加的影响，提高分选结果的正确率和可靠性。　　首先对 K-Means算法进行改进。信号分选时很难掌握聚类种类个数这一先验知识,随机选取聚类中心也易造成局部最优解，无法得到全局最优解。为了解决这两个问题，对K-Means算法进行改进。采用取消预设聚类中心个数；根据检测数据之间欧式距离逐步确认初始聚类中心。降低运算量和运行时间，提升了聚类结果正确匹配率。　　其次对SDIF算法进行优化。采用交叠PRI箱，增强SDIF算法对PRI抖动雷达信号的分选能力。采用滑窗思想，对PRI进行验证，降低杂波干扰对信号分选的影响。提出基于动态关联序列检索自纠错，防止信号丢失造成序列检索出现错误。　　然后提出了基于时差和多参数加权信号分选算法。改进同步信号对时差获取的限制，利用多参数匹配获取时差；采用时差和多参数加权进行序列搜索，对搜索的序列采用 Apriori算法求雷达信号类型和雷达参数。提出基于经典大数据算法—时间亚线性算法的雷达信号验证，最终得到分选结果。在复杂电磁环境，尤其信号丢失和杂波干扰严重时，具有稳定的高的分选正确率，和较低的误分选率。　　最后，在硬件平台对算法进行实现并验证。试验结果表明多设备协同分选算法分选结果正确率高，可靠性强，具备良好的分选性能。