在雷达信号分选中引入密度峰值聚类, 可以快速发现聚类中心点, 无需确定聚类数目。借鉴势熵概念提出密度熵, 优化了聚类中核函数截断距离的选取算法。对如何自动判断聚类数目和聚类中心点问题进行了研究, 设计了门限函数和判断规则, 还对原算法的分配、合并准则进行了优化。仿真实验结果证明了该算法的有效性。

为了提高雷达调制信号在电子对抗环境中的分选准确度,建立了基于偏联系数模糊聚类(PCFCM)算法和教与学随机森林(TLRF)算法的雷达调制信号分选(PCFCM-TLRF)模型。该模型引入偏联系数(PCN)改进K均值聚类(K-means)算法,优化模糊C均值聚类(FCM)算法,用优化后的FCM算法对信号样本集进行预处理;使用“教与学”优化(TLBO)算法优化随机森林(RF)算法,使优化后的RF算法能够以更低的复杂度构成更优的分类器;将预处理后的样本作为TLRF中的训练样本实现信号分选。研究结果表明,与其他分选模型相比,PCFCM-TLRF模型具有更高的分选准确度,能够有效地实现雷达调制信号的分选。

针对多输入多输出（MIMO）雷达信号的分选问题，借鉴雷达接收机中匹配滤波的思想，提出了一种类匹配滤波的雷达对抗侦察分选算法。该算法将雷达对抗侦察接收机截获的脉冲信号构成待测脉冲组，首个脉冲作为参考信号，参考信号与待测脉冲组进行类匹配滤波运算，运算结果峰值超过门限时，则判定该信号与参考信号为同一信道；若不超过门限，则不为同一信道。去除同一信道的信号之后，继续重新进行分选，直到所有待测脉冲分选完毕。实验仿真表明，分选算法具有抗噪声能力强、受脉间抖动的影响小、对截获信号的数目要求低、分选错误率低、工程实现简单的特点。

在复杂电磁环境中，脉冲的大量丢失(数据缺失)及信号参数空间的严重交叠，破坏了传统分选方法所利用的信号规律性，最终导致现有信号分选算法很难获得令人满意的分选效果甚至完全失效。在同时考虑多个关键特征指标(脉冲宽度、载波频率、到达时间)的基础上，设计多参数五层互耦的分选算法; 特别是提出新的关键特征指标提取方法，研究数据内部蕴含的特征向量，建立相应的数学模型，最终应用于对各种通信信号的分选。通过数值结果可以看出，引入的五步分选法可以实现对严重交叠和部分数据缺失的信号的分选。

针对集中式MIMO雷达信号分选面临的问题，提出一种新的侦察识别方法,令多侦察机同时在不同方位对MIMO雷达信号进行采样，使其能够获得多个独立的观测量，在此基础上,利用盲分离技术中的复值非高斯性最大化（CMN）算法对MIMO雷达信号进行分选。仿真结果表明，在不考虑幅度起伏的条件下，当SNR达到6 dB时，对相位编码、频分线性调频等典型正交波形的分离指数均低于-10 dB，同时,分离后波形的相关性分析也验证了方法的有效性。

提取和补充新的信号参数是解决复杂体制雷达辐射源信号分选难题的有效手段, 模糊函数主脊切面特征是众多新特征参数中较为可行的特征之一.为更快速地搜索信号的模糊函数主脊切面, 文章构建了一种优势遗传搜索的智能算法, 并采用统计假设检验理论对数据进行分析和检验.实验结果表明, 所提方法可使模糊函数主脊切面的平均搜索耗时降低为原方法的28.6%, 且能以较高的概率成功搜索到精度更高的切面特征, 证实了所提方法的有效性和可行性.

同频通信信号的分选是通信对抗侦察中经常遇到的问题，当各源信号互相独立时，独立分量分析(ICA)是进行信号分选的有效手段。介绍了ICA的基本理论，给出了ICA的数学模型和应用条件，详细分析了特征矩阵联合近似对角化(JADE)方法，提出将其应用到同频通信信号的分选中。在现有评价指标的基础上，针对通信信号提出将误码率差作为算法性能评价的一个新指标。最后将常用的数字通信信号作为源信号进行线性混叠，以此为观测信号进行了仿真实验，结果表明该方法不仅能分离不同调制样式的信号，还能分离相同调制样式的信号。

为了对制导**实现有效的干扰, 必须进行码型的识别及预测。针对现有可查的激光制导**, 通过对其编码技术的分析, 深入讨论了激光脉冲信号的分选技术和码型识别技术, 结合雷达信号的重频分选算法(PRI算法), 提出了一种新的制导脉冲分选识别算法, 该算法融合了脉冲的分选及编码的识别流程, 并通过Matlab进行了仿真验证, 达到了预期解码识别的目的。基于FPGA, 在硬件上对该干扰流程进行了实现, 提供了简单的可行性方案。

针对光电探测器阵列型告警系统的体制特点,在分析已知编码规律的基础上,提出了一种基于激光脉冲到达时间的综合信号分选和码型识别算法.通过对该算法采用C++语言进行仿真表明:该算法具有处理速度快、精度高的特点,能显著提高系统的信号分选和码型识别能力.