非法用频现象的不断增多,使频谱环境更加复杂,经常出现多个不同来源、不同性质的信号共用一段频谱的情况,使正常通信无法进行。针对上述问题,为了提升面向频谱安全的干扰排查能力,利用无线发射源本征非线性,即无线发射机个体对发射信号的非线性作用,以及传播信道的开放性、衰落性等差异化特征,通过接收信号判断其来源于哪个特定发射机目标的技术成为研究的热点。本文主要根据通信发射源个体识别处理流程开展对发射源个体特征机理的研究,并以此为基础提出相应的提取方法,再结合机器学习的分类决策方法实现发射源的个体识别。本文主要工作如下:首先详细介绍了发射源各个元器件产生非线性特征的原因以及常用的畸变表征方式,然后以发射源个体识别的处理流程框架为基础,阐述了信号特征提取方法和分类识别方法的主要技术方法。从非线性时不变系统角度给出了 Volterra级数的限制因素,并介绍了以Volterra级数模型为基础的几种简化模型。通过分析已有模型的优劣点提出简易广义多项式模型(Simplified Generalized Memory Polynomial,SGMP),以此模型对功率放大器进行建模,通过仿真证明其性能高于其他简化模型,可在信噪比为20dB时获得近似于Volterra级数模型的精确度。以此为基础,提出了基于功放SGMP模型的发射源个体识别算法,并以本文改进的基于Renyi熵加权抽样的随机森林分类算法为判决准则。仿真实验表明该方法在接收信噪比大于10dB时,识别准确率可达90%,对比其他模型和决策方法也就有一定性能优势。从整体角度出发研究整个发射机系统所体现出的非线性特征,借助于混沌理论的分析工具和方法,仿真验证了功放非线性系统中存在的混沌特性。以此为基础,提出了基于归一化置换熵和自然测度联合的发射源个体识别方法。仿真结果表明,该方法在可调参数适合的条件下可以达到较高的识别准确率。