为识别复杂体制雷达辐射源信号。提出了一种基于小波脊频级联特征提取的信号识别方法．该方法采用新的小波原子和脊线检测策略提取信号的脊频特征，并提取其级联特征作为信号识别向量．仿真结果表明，采用级联特征能有效地识别辐射源信号，当信噪比为5 dB时，识别率达95％以上．与传统小波和现有方法相比，所提出的方法具有更好的信号识别效果．

针对目前雷达辐射源识别技术难以对新出现的雷达信号进行有效识别的问题，将迁移学习理论引入识别系统，提出一种基于迁移成分分析的雷达辐射源识别方法。通过设置统一的核函数将不同样本集映射到同一隐藏空间，在隐藏空间对支持向量机进行训练并对测试样本进行识别。仿真实验表明，该方法能够对新的雷达辐射源信号的工作模式进行有效识别，并且在一定测量误差下保持较高识别率。

为了提高神经网络对分布复杂的雷达信号类型的识别率，提出一种结合小波变换、互信息特征选择及神经网络的分类新方法。首先利用小波变换对信号进行特征提取，然后通过基于互信息的特征选择来对特征进行选择，最后把选择出的特征作为神经网络的训练样本对其进行辐射源类型的识别。仿真结果显示，该方法能够利用较少的特征值得到较高的识别正确率。