被动雷达导引头主要应用在反辐射导弹中,需要在相对复杂的电磁环境中快速、实时地更新目标的角度信息,从而引导反辐射导弹对目标进行打击。信号分选是从交错的脉冲流中分选出目标雷达信号的过程,是被动雷达导引头的重要组成部分。本文致力于提高被动雷达导引头对多种类型并存信号的快速分选能力。当前体制下的雷达信号分选主要包括预分选和主分选两部分。传统的预分选主要利用不同雷达的脉冲描述字差异对脉冲串进行分层滤波;传统的主分选则是根据滤波后的脉冲到达时间进行级差的计算并设置一定的门限来提取目标的脉冲重复周期。随着当前电磁环境的复杂度的提高,频率捷变、重频参差、重频抖动、脉宽抖动、载频抖动等多种类型信号交叠。传统的分层预分选对选取的首脉冲和参数容差好坏较为敏感,选取不当,容易造成累积误差,最终计算出的参数中心逐渐偏离真实的参数中心。传统的主分选则难以应对频率捷变和大量脉冲丢失的情况。对于预分选本文主要研究了多参数聚类算法来解决传统预分选累积误差的问题,并针对线性可分数据和线性不可分数据的适应性,分别选取了模糊聚类和支持向量聚类算法为代表,作了深入研究。论文主要工作如下:1.针对传统主分选难以适应脉冲丢失及频率捷变情况,本文提出了基于谐波的PRI提取算法。本方法通过构造谐波相似矩阵,充分利用谐波间的相似性提取捷变信号和脉冲丢失信号的重复周期。利用参数相似的准则将离散的捷变频信号进行合并。2.针对模糊聚类算法在相似矩阵处理过程中运算和存储复杂度随着样本数急剧增加问题,本文提出了抽取的方法对样本数据进行稀释,在保持与原样本数据同分布的情况下,用部分数据代替总体样本完成聚类中心的提取,并计算剩余的数据点到聚类中心的欧式距离,设置一定的门限进行划分。3.针对支持向量聚类算法的簇标定处理过程中时间复杂度庞大问题,本文对稳定平衡点簇标定算法作了改进,提出了夹角余弦的簇标定算法,该算法仅以支持向量点为初始点,利用梯度下降寻求数据空间中离散分布的局部聚类中心。然后构造方向向量,并根据向量相似性将剩余数据点划分到相应的局部聚类中心,大大减少了稳定平衡点算法中的迭代运算次数。