作为一个热门的研究领域,辐射源识别在电子对抗和网络安全等方面起到至关重要的作用。卫星通信不受地域地形的限制,具有通信距离远、全球覆盖、安全可靠的优势,研究空间通信辐射源识别技术,对通信卫星进行有效的侦察、监测和管理具有重要意义。空间通信技术蓬勃发展,在辐射源识别领域,人们不仅关注信号的基本参数特征,还越来越重视附加在信号上的细微特征。细微特征是由辐射源设备个体差异在信号上体现的细微差别,具备可检测性、可重构性和稳定性的特点。依据这些辐射源的固有特征,可以判断出信号的来源,并有针对性地对重要的空间目标进行监管。随着电磁环境愈发复杂,星上转发器日益先进,传统的辐射源识别技术存在诸多问题,无法高效、准确地进行信号的识别。直接提取信号变换的结果进行辐射源识别,存在大量的无效或冗余数据,并且单一域的特征难以完整体现信号的特性,导致辐射源个体识别变得困难。本文针对当前存在的问题,分别就辐射源信号细微特征产生机理、特征提取及分类识别方法进行了探讨,对奇异值分解的矩阵构造方式进行分析,对Hilbert-Huang变换和高阶谱分析方法进行详细阐述,对准确提取的细微特征、最大程度的提高识别正确率的问题进行了研究,本文研究内容和工作如下:（1）分析了辐射源细微特征产生机理,研究功放的非线性特性和记忆效应,介绍了功放非线性失真模型,对非线性产物进行数学描述,阐述辐射源细微特征识别流程,探讨了特征提取和分类识别方法的优劣性,从理论上介绍辐射源细微特征提取和智能识别的基础框架。（2）研究奇异值分解理论,剖析其性质和意义,介绍了重构吸引子矩阵方式、改进吸引子矩阵方式和连续截断型矩阵方式三种常用的矩阵构造方法,提出了一种基于奇异值主成分的辐射源识别方法,对不同构造方法的矩阵进行奇异值分解并提取了奇异值主成分,将主奇异值作为特征向量用于分类识别,分析了不同矩阵构造方式对识别效果的影响,并使用实测信号进行验证。（3）针对辐射源识别过程中数据冗余和特征单一导致的辐射源个体识别困难的问题,提出一种基于多域特征融合的辐射源识别方法,搭建有记忆非线性失真模型,对信号进行Hilbert-Huang变换和高阶谱分析,提取HHT边际谱和双谱的特征并将其拼接融合为信号的多域特征,使用SVM分类器进行分类,进行了仿真分析,采用实测信号进行验证。与传统方法进行对比,在SNR=20d B下本文方法对实测信号分析的正确率达到90.63%,同对比组中效果最好的基于边际谱信息熵方法相比,正确率有8.6%的提升。