现代战争中,雷达的广泛使用使得战场中信号密度日益增大,各种新体制雷达的出现使得信号形式日趋复杂。电子战接收机截获的信号密度和复杂度较之以前都有很大提高,这就给雷达信号分选和重频特征识别带来了新的挑战。雷达信号的重频分选与重频特征识别是大部分电子战接收机必须具备的能力,本文针对这一问题进行了如下研究工作:建立了各种重频调制样式的数学模型,并分析了针对各种重频模型脉冲序列一般应采取的重频分选策略,以及相对的分选难易程度。提出了基于脉冲关联的雷达信号重频分选算法,分析了该算法的性能,通过仿真将该算法与传统的搜索算法进行了比较,用实测数据检验了该算法对新的重频模型脉冲序列的适应性,总结了该算法的优点。引入了人工神经网络方法用于脉冲序列重频特征识别,针对实测数据的新的重频模型,建立了新的脉冲序列特征矢量模型。为适应新的重频模型脉冲序列,设计了由两个不同功能的神经网络组成的分类器,通过仿真验证了该分类器的性能,同时也为神经网络方法用于重频特征识别提供了一种调整思路以适应新的重频模型。最后,简单介绍了作者开发的一款用于脉冲序列分选和重频特征识别的工具软件。