目标识别与定位技术研究在无线电监测等领域发挥着重要作用。随着通信技术的飞速发展和通信设备的普及应用,电磁环境日渐复杂,无线电监测技术的优化愈加迫切。作为目标定位参数估计的重要组成部分,时延估计受到了国内外学者的广泛关注。而在时延估计中,传统时延估计算法多聚焦于高斯噪声的研究,在同频干扰与脉冲噪声共存的复杂电磁环境下性能衰退严重,或者多针对高斯噪声及多径环境下的问题,未消除脉冲噪声对时延估计性能的影响。此外,“伪基站”、“黑广播”等未授权广播信号屡禁不止,严重干扰了广播秩序,恶化了电磁环境。但现有未授权广播信号的识别算法准确率较低、应用性较差。针对上述问题,本文选取同频干扰及脉冲噪声共存下的时延估计问题、脉冲噪声及多径环境下的超分辨率时延估计问题以及未授权广播信号的识别问题进行深入系统的研究,旨在突破现有时延估计算法及信号识别算法的局限性,促进无线电监测技术理论体系的进一步完善。具体研究内容如下:（1）针对同频干扰及脉冲噪声的存在导致现有时延估计算法性能急剧衰退的问题,本文引入双曲正切函数,提出一种改进的广义循环相关熵时延估计算法。首先分析脉冲噪声存在时广义循环相关熵算法性能退化的原因,然后利用双曲正切函数对其进行改进,以提高算法在强脉冲噪声下的时延估计性能。仿真实验表明,提出的算法在脉冲噪声的特征指数较小、信噪比较低及信干比较低时仍保持很好的时延估计性能。（2）针对脉冲噪声及多径环境下现有超分辨率时延估计算法性能退化的问题,本文将核函数引入MUSIC（Multiple Signal Classification）算法中,实现超分辨率时延估计的同时抑制脉冲噪声对算法性能的影响。首先提出基于核函数相关算子,再将其转化为与MUSIC算法相似的伪信号模型,最后经过协方差矩阵的构建、特征值分解及谱峰搜索实现多径信号的时延估计。仿真实验表明,提出的算法在脉冲噪声的特征指数较小、广义信噪比较低及信号的相对带宽较小时均可保持很好的时延估计性能。（3）针对难以有效识别未授权广播信号的问题,本文提出一种基于LabVIEW与深度学习的未授权广播信号识别系统。首先对LabVIEW与USRP收发获取的广播信号送入模型中训练。再利用LabVIEW设计信号识别系统,并将系统自动采集的广播信号作为测试数据。最后,对模型输出做映射处理并判断其是否为未授权广播信号。多次实测实验证明,本文所提未授权广播信号识别系统具有较好的识别性能。