雷达信号分选系统是雷达信号处理系统中不可或缺的组成部分,并已经成为现代战争中极其重要的影响因素。通过雷达信号分选,能够准确地识别出空间中各种不同的雷达以及它们的参数,并将其放入雷达库中以便做进一步的处理,比如定位,跟踪,分析。然而随着雷达信号产生技术、处理技术的飞速发展,新体制雷达不断取代传统的常规脉冲雷达,使得雷达信号环境越来越复杂多变。如何在日益复杂的雷达信号环境下实现雷达信号的正确分选已经成为国内外关注的焦点。本文首先介绍了雷达信号PRI分选算法,并对每种算法的优缺点进行了简要地说明。PRI分选算法主要包括:动态关联法、直方图法(CDIF法、SDIF法)、PRI变换法、平面变换法。接下来,为了实现新体制雷达信号的正确分选,针对传统PRI分选算法的不足,作者将聚类算法运用到雷达信号分选领域,并介绍了两种适合未知辐射源信号分选的算法:基于网格密度聚类的雷达信号分选算法和基于改进的支持向量聚类的雷达信号分选算法。网格密度聚类算法采用网格划分技术,形成网格单元;再将脉冲信号的脉冲描述字(PDW)流映射至各网格单元中,并以网格密度为依据进行聚类,从而实现脉冲流的分选。改进的支持向量聚类算法是在原有支持向量聚类(SVC)算法的基础上,在聚类标识阶段采用支持向量点(SVs)代替原来的全部样本点生成关联矩阵,有效地减少了关联矩阵的规模;然后利用深度优先搜索算法对关联矩阵进行搜索,产生初始聚类结果;再对初始聚类结果运用合并同类聚类中心算法,得到最优的聚类分类结果,从而有效地缓解了核函数的参数q对聚类结果的影响。仿真实验结果有力地证明:即使在复杂环境下,我们提出的这两种算法也能取得较好的分选效果。