甚高频通信系统是常用的海事近距离通信系统,设备包括船载话机和对讲机。其半双工传输的特点导致容易出现非法占用应急频道或专用频道的情况,直接关系到海上人员的生命财产安全和海上交通安全。由于其发射的VHF（Very High Frequency）信号的通信协议不包含身份信息,很难有效地管控。目前国内外的研究鲜有涉及近海VHF设备的个体识别研究,而是大多集中于包含VHF频段的调制方式识别研究。本文基于无线信号物理层个体指纹识别技术,实现海事VHF对讲机的多分类检测和个体识别,进一步满足海事通信对安全管控的全方位需求。本文首先将Gabor特征提取与特征优选算法相结合,利用SVM分类器进行识别,使得识别率有较明显的提升,30dB时室内近距离信号识别率可以达到99%,从而验证了 VHF信号识别的可行性。海上VHF信号在实际使用过程中易受到衰落的影响和环境噪声的干扰,这给识别过程带来了较大阻碍,为了进一步提升识别系统的智能性、精确性和稳定性,本文提出了基于机器学习的智能识别算法。针对VHF信号在海面产生的衰落,运用循环卷积生成对抗网络（Cycle Convolution-GAN,CCGAN）对衰落信号进行增强。在室内近距离仿真和室外远距离实测环境下,能获得较好的分类效果。在湖面230米的距离时,VHF信号识别率可达94.4%。针对信号噪声,利用改进的前馈降噪卷积神经网络（Denoising Convolutional Neural Network,DnCNN）,信噪比为5dB的高斯白噪声环境下,信号识别率仍可达到98%。在此基础上,本文实现了对VHF信号的采集、预处理、衰落处理、噪声处理以及识别过程,得到一个较为完整的海事VHF信号个体检测识别方法。