非合作方式下如果要对某些携带特定帧头的信号进行识别一般需要先估计出该信号的所有参数。而由于信道环境、接收机性能等因素的影响,侦察接收机对同一信号、同一频段多次扫描得到的频谱形状存在细微差异,故而,每次利用频谱进行信号检测和参数估计时,结果都会不同,造成对信号及频谱的认知困难,因此在非合作环境下研究快速信号检测与特定信号识别具有重要的实际意义。基于以上问题,本文重点对信号频谱快速检测和特定信号识别开展研究。使用统计学习方法对大量的频谱数据进行详尽分析,以此避免信道环境、接收机性能对信号检测与估计的影响,得到较为准确的频谱中心频率和带宽估计结果并以此作为特定信号的识别依据。本文主要工作如下:1、设计了一种基于统计学习的快速信号检测方法,可以检测到所有满足检测要求的多个信号,在此基础上,本文提出了一种基于网格的改进K-means聚类算法,通过减少迭代求解的重新划分信号点数目,来达到加快计算的目的。仿真结果证明:相比于原始K-means聚类算法,改进方法的检测速度提高了约6.1倍,而检测准确率依然保持较高水平,检测的虚警率/漏警率较低,能够满足特定信号快速检测的性能要求。2、提出了两种基于帧头的多种特定信号的混合识别方法,第一种方法以用户设定的特定帧头生成时域参考波形模板,与接收信号下变频后的基带波形进行相关,检测相关峰;第二种方法以特定帧头生成频域参考波形模板,与接收信号短时傅里叶变换结果进行相关匹配得到两者的相关度,将识别过程转移到相关子空间中进行,利用半监督的K-means算法完成对相关度的统计分析,完成特定信号识别。两种方案结构简单且易于实现。在不同信噪比下各调制信号的识别正确率进行了仿真验证,证明此方案能够有效的完成对于特定信号的快速识别。3、设计实现了一个基于QT开发平台的客户端信号快速检测与特定信号识别软件,结合相关理论及实际工程应用需求,实现了便捷参数配置、完善界面显示、实时本地存储和文件管理、信号快速检测与特定信号识别方法以及快速功能扩展等功能。经过软件实际性能测试,证明此软件具有良好的检测识别性能。