当今世界,随着信息化时代的到来,电子科学技术发展飞快。军事作战也越来越依靠电子信息,因此世界各国都在不断更新作战装备。其中,最重要的就是雷达的发展更新。在各种新体制和新种类的雷达大量涌现的背景下,电磁环境变得越来越复杂多变,给电子对抗带来了很大的挑战。针对复杂电磁环境下的辐射源精确识别问题,本文将基于相控阵雷达辐射源的精细化特征,主要是包络特征和相噪特征,利用高阶谱和小波变换对其进行分析,并结合有监督学习方法完成雷达辐射源识别任务。最后本文还提出了一种基于雷达信号中频数据和一维卷积神经网络的雷达辐射源识别方法。主要内容分为以下几部分:1、研究了相控阵雷达的结构组成并进行了数学建模。着重对相控阵雷达的发射系统和天线系统进行了分析和建模,然后根据信号产生过程和相控阵天线扫描原理,按照调制、混频、放大、波束合成等过程给出雷达发射信号模型,并仿真实现了常见的几种雷达辐射源信号。最后通过接收机噪声叠加形成侦收信号。2、研究了雷达辐射源精细化特征。本文重点从时域、频域和变换域研究了雷达辐射源个体的精细化特征。首先分析了包络特征和相噪特征的产生机理和特征模型,然后利用Morlet小波变换法提取信号包络特征,利用非参数化双谱估计间接法和围线积分提取了相噪特征,最后通过频谱小波变换提取频谱特征,构建了八维特征向量。3、研究了雷达辐射源识别方法。针对提取的雷达信号的精细化特征,构建八维特征向量,利用K近邻算法、支持向量机算法和栈式自编码器网络三种分类算法对不同雷达辐射源个体进行分类识别,三种方法各有优劣,但仍能实现较好的分类识别结果。在信噪比为20d B的条件下,各种信号的识别率均达到了90%以上。4、针对低信噪比条件下识别率低的问题,根据雷达辐射源信号中频数据的一维特性提出使用一维卷积神经网络模型来进行分类识别。通过调整网络参数,得到了比较高的识别正确率,在信噪比为0d B条件下,识别率能达到90%以上,比之前的分类器识别效果好。并且网络在高信噪比数据训练,低信噪比数据测试的仿真实验中表现出良好的鲁棒性和抗噪性,达到了很好的分类识别效果。