个体特征是由于信号发射设备的个体差异而天然附带于信号之上且能用于区分不同个体的特征。通过分析获取的信号来提取其个体特征，并用于分类识别上，是个体识别的主要任务。个体识别不仅是电子对抗的必要手段，也是通信设备管理，身份验证识别等应用的重要手段。本文对个体识别这个处于快速发展的研究课题上进行探讨研究，主要研究如下：首先，探讨个体特征的形成机理，建立附加个体特征的信号模型，区分暂态特征和稳态特征的差异，分析如何获取暂态信号和稳态信号。并建立个体特征提取的流程，搭建研究个体识别方法的流程框架，并给出分析个体特征的两个重要研究方向，一是基于参数的个体识别方向，另一个是基于转换域处理的个体识别方向，令研究的方向方法更加清晰。其次，就基于参数的个体识别方向展开探索。对混沌理论和分形理论进行分析研究，认为混沌理论和分形理论对于分析非线性特征明显的信号具有重要作用，并对混沌理论与分形理论对个体识别的应用展开分析。通过仿真发现Lyapunov指数和步维数两个参数能对信号进行有效区分，提出基于Lyapunov指数和步维数的个体识别算法，并通过仿真实验证明其有效性。最后，就基于转换域处理的个体识别方向展开探索。对蕴含丰富的个体特征的转换域，模糊函数域和小波包转换域进行分析，并对特征域降维的方法进行研究，提出改进的基于模糊函数域的快速算法和基于小波包转换域的算法。同时在算法研究过程中发现可以通过抑制调制信息对稳态信号进行有效的稳态特征提取，对MSK,BPSK,QPSK信号而言，其高阶域可以抑制调制信息,从而提出了这些调制类型信号面对稳态信号的基于小波包转换域的个体识别算法，并通过仿真实验证明其有效性。