随着通信技术的发展,人们不仅关注从接收机中获取的关于通信信号的基本参数特征,比如信号的频率、调制模式等,还越来越关注附加在信号上、由辐射源设备个体差异产生的,可以检测、可以重现、并且稳定不变的细微特征。根据这些细微特征,可以判断出信号来自于哪个辐射源,并获取使用者的身份信息,有针对性地对敌方重要电子通信目标及有效载体进行监管,在特定的现代信息作战环境中,传统意义上的通信调制识别及信号分析技术的时效性正在逐渐降低,而进行通信信号细微特征分析与个体识别技术研究有利于己方对敌方战略做出有效预测,在军事领域中能够掌握一定的主动权。信号细微特征分析与个体识别技术也可应用于无线网络安全、电磁频谱管理、通信设备故障检测等领域,应用该技术,可以对无线入侵行为的来源进行识别和定位,为后续安全手段的综合应用提供支撑;在无线电监测设备中应用该技术,可以区分合法与非法电台,为有效管控频谱资源合理利用提供支撑等。因此,开展通信辐射源信号细微特征分析与个体识别技术研究具有重要的理论意义和应用价值。本文在深入分析目前的通信信号细微特征分析与个体识别方法的基础上,对如何能够准确的提取出通信信号的细微特征、如何能够最大程度的提高正确识别率等问题进行了研究,论文的主要工作和学术成果包括:1.介绍了通信辐射源信号细微特征分析与处理系统的构成、研究背景、应用需求。分别从理论研究和实际应用两个方面介绍了目前通信辐射源信号细微特征分析与个体识别领域的研究现状,并对现有的技术方法进行分类,同时归纳了每种方法的优缺点。2.希尔伯特黄变换(Hilbert-Huang Transform,HHT)是目前广泛使用的一种信号时频分析方法,它具有不需要先验信息和能够自适应处理信号的优点,但是在实际应用HHT方法分析信号时,在求取的瞬时频率两端会出现严重的端点效应和无法解释的负频率等问题,针对这种情况,提出了一种IHHT(Improve HHT,IHHT)的通信信号特征提取方法,首先对信号进行预处理,通过改进的HHT方法可以得到更加准确的Hilbert谱,从中提取精确的时频域特征,用来对分类器进行训练和识别。3.对于非平稳信号来说,高阶谱是一种有效的数学分析方法,它在处理非高斯、非线性信号具有独特的优势,高阶谱在理论上能够完全抑制高斯噪声,且能够保留低阶谱(功率谱)不能保留的相位信息,因此在信号的识别方面得到了广泛的应用。但是在利用双谱进行特征提取时,使用的是对双谱平面内所有的双谱值进行的积分,然而并不是所有的双谱值对于识别率的提高都有促进作用,其中有一部分双谱值对于识别率的提高作用一般甚至起负作用,这将会导致识别率的降低。基于此,提出了改进方法,在双谱中剔除掉对识别效果贡献不足、具有负作用的积分路径上的双谱值,得到具有最大比重的特征双谱区间,能够一定程度的提高对信号的正确识别率。4.目前信号的调制方式日趋复杂,传统的特征比如载频、码元速率等已经满足不了实际需求的情况,针对于此,提出了一种基于高阶谱谱骨架的非常规信号特征提取方法。对信号进行去噪预处理后,采用信号的高阶谱作为个体识别的基本特征向量,然后以软K段主曲线算法为基础、构建主曲线来提取信号高阶谱的骨架信息,最后采用分形方法进行骨架对比,实验结果表明,该方法能够有效的识别出个体信号,在采用实际信号数据集时,平均正确识别率达到了85%以上。5.通信辐射源设备细微特征的产生是一个比较复杂的非线性、非平稳过程,存在着某种混沌机制,然而,有时基于目前确定性系统理论的技术难以解决细微特征的研究问题。基于此,提出了一种基于关联维数和多重分形谱相结合的信号特征提取方法。信号的关联维数特征能够反映出信号的整体特性,而多重分形又具有良好的局部分析能力,在文中采用八种多重分形谱特征能够充分反映通信信号的局部特性,整体特征和局部特征相结合,在信号的特征分布空间上能够形成一定的互补,这样会有效提高信号的正确识别率。实验结果表明,在信号的信噪比(SNR)达到10db时,平均识别率可以提高到99%。