现在战场电磁环境日渐复杂,对辐射源信号进行被动截获、分析,提取其关键的脉内调制参数,进而实现对辐射源目标的识别、干扰、攻击,对获得战争的主动权具有重要意义。如何有效的分析出信号的形式及多样性进而估计信号的特征参数是这中间的关键步骤,影响着信号分析的有效性和可靠性。辐射源信号的多样性不仅体现在信号种类的多样性,也在于同一时间进入雷达接收机的信号分量个数。基于此,本文将重点对多分量信号进行分析,提取信号的时频分布特征,进而完成信号的关键参数提取。首先,对多分量信号的特性展开分析研究,多分量信号的形成主要是由于辐射源信号被接收机截获时在时间域上发生重叠,其可以表示成若干单分量信号混合的形式,然后通过仿真实验验证了传统的信号分析方法无法有效的处理多分量信号,不能反映信号的内部调制本质,分量类型为线性调频和正弦调频信号,信道为高斯白噪声信道。然后,经过对经验模态分解基本理论的研究,可知该算法是一种自适应的时频分析方法,针对其本身存在的问题,分析了其产生原因及具体影响,并有侧重的选择相应的方法给予解决,主要包括:利用极值点延拓的方法对端点飞翼的现象进行抑制;通过计算相关性方法对分解过程中产生的虚假分量进行剔除;针对模态混叠效应,本课题采取了集合经验模态分解的方法在一定程度上进行了改善,但此效应在噪声较大的情况下无法完全消除;最后将独立分量分析和高阶统计量相结合用于去噪操作,实验结果表明,在5d B下,基本能够保证噪声的有效抑制,不影响后续的信号分析。最后,针对Hilbert-Huang谱时频线发散的问题,采用改进Hilbert变换对去噪后的固有模态函数进行处理,使得时频线变得更加紧凑。接下来利用高斯窗中间加权大四周加权小的特点,通过多次滑窗,使时频线能量更加集中,与平滑伪魏格纳分布相比,两种算法的抗噪性能相当,但本文方法时频聚集程度更出色。在提取完时频分布的基础上,利用“幅度加权加窗K-均值聚类”方法完成时频线的提取,进而实现相应参数的估计。通过以上分析,本文算法计算量较大,但具有兼顾时频聚集性和抗噪声能力的优势。