对目标进行可靠有效的敌我属性识别是现代军事战争中非常核心且关键的问题。S模式信号无论是在日常的飞行管理，还是在空战中，都是实现正常的空中交通管理以及战时的空中联络、身份识别的关键因素。研究S模式信号的识别工作具有重要的国防意义。在信号识别方法的研究过程中，特征分析与提取是S模式信号识别的一项关键技术，其直接影响到信号识别的准确率。本论文从S模式信号格式入手，基于特征分析与特征提取为背景，深入研究了S模式信号的分类识别方法，并以仿真实验实现了S模式信号的识别。针对S模式信号特征分析与识别方法的研究。论文主要工作如下：1．研究了S模式信号(包括S模式询问信号和S模式应答信号)的产生机理及其基带信号数据结构特点，对其信号格式、工作频率、调制方式以及S模式系统的工作原理进行了深入的分析。2．针对S模式信号的时域特征(瞬时幅度、瞬时相位、零中心瞬时相位非线性分量绝对标准偏差等)、频域特征(零中心归一化瞬时幅度谱密度最大值等)以及时频变换域特征(短时傅立叶变换、Wigner-Ville时频分布以及小波变换等)进行了深入地分析，提取出具有分类意义的特征参数来实现S模式信号的识别。3．通过对提取出的具有分类识别意义的特征参数进行深入分析，运用统计特征参数识别法、模糊分类识别法(基于连续小波变换的模糊识别法)，实现S模式信号的分类与识别，并通过仿真实验给出几种识别方法的识别性能。针对S模式询问信号的特点，研究了利用小波变换结合谱分析技术估计码速率的方法。4．通过对二阶矩到四阶矩以及高阶累积量的分析，从中选取了三个性能较好、计算量较小的参数作为S模式信号的识别特征，用人工神经网络方法进行分析，提出了基于高阶矩和高阶累积量的分层结构神经网络分类器的S模式信号的自动识别。最后的仿真实验证明了此方法识别速度、快，在低信噪比下的识别正确率较高。