无人机检测和识别一直以来都是国内外研究的热门领域,近年来,随着通信技术日益成熟,利用通信信号完成无人机的检测和分类相较于传统的雷达和图像探测识别技术具有识别范围更广、识别效果更稳定等优点。然而,当前的研究主要基于通信信号的一般特性来建立无人机的特征数据库,无法实现对使用同一通信制式的无人机个体的识别。因此,本文在通信辐射源指纹识别技术的启发下,研究了基于无人机通信信号指纹特征的个体识别技术。主要内容包括以下几个方面:研究了无人机通信信号指纹形成机理并完成了仿真信号模型建立,使得仿真信号源能够有效表征包括相位噪声、载频偏移和非线性特性等在内的无人机通信信号特征,在此基础上对通信信号进行指纹特征提取和识别并且基于无人机实测信号数据集验证了指纹特征算法的识别效果。针对传统的辐射源个体识别研究缺乏对发射机运动载体物理特性描述的问题,分析了无人机在运动时的动力学特性并设计振动试验证明了机械振动会增强发射信号中相位噪声特性,在此基础上建立了无人机的指纹特征模型。在无人机指纹特征的提取上,应用了变分模态分解算法将原始信号分解成多个子模态,针对多尺度排列熵噪声鲁棒性较差的特点,应用了改进的多尺度排列熵算法来提取各子模态的复杂度特征,同时,为了降低算法复杂度使用了PCA算法对特征进行降维,结果表明改进的算法在低信噪比下表现出更好的识别性能。针对高阶谱分析中矩形积分双谱特征冗余的问题提出了基于最大比重区间的矩形积分双谱算法,仿真结果表明改进后的矩形积分双谱特征在不同信噪比下的识别率都有所提高。论文采用了仿真信号与实测信号相结合的方式,对提出的无人机指纹提取算法的性能分别进行了分析和验证。结果表明本文所提出的方法能够有效提取出无人机通信信号相位噪声和非线性特性,对于真实的无人机信号能够实现90%以上的识别率。