2.4GHz频段为世界通用的公开频段,目前广泛应用于家用、商用和工业等领域。2.4GHz频段具有公开和无需授权的特性,同时存在多种常用无线信号。这种情况大大影响了用户的使用体验,同时带来不安全因素,因而需要对2.4GHz频段上存在的常见信号进行识别与定位。信号识别技术诞生至今,学术界和工业界已发展出一套成熟的体系,可以满足绝大多数情况的需求;然而,现有信号识别技术对于采样过程要求很高,带来大量的系统开销,对整个系统是一个巨大的挑战。因而,本文提出了一种高速高识别率低开销的信号识别与定位算法,同时引入支持向量机理论,进一步提升了识别性能。本文完成的主要工作包括:首先,对2.4GHz频段常见信号进行了归纳与分析,对常见信号的种类与参数进行了介绍和分析。其次,针对现有信号识别算法进行了理论分析和仿真验证。现有算法主要是通过提取信号幅度、频率、相位等调制相关参数信息或信号的高阶累积量信息,构建分类器,完成信号的调制识别。本文对现有算法原理进行了分析和仿真。然后,提出了一种基于信号帧长度与频谱的信号识别算法。本文分析论证了现有算法难以实际利用于2.4GHz频段信号识别,并提出了新的识别算法。所提算法以信号的帧长度和频谱特征为识别特征构建分类器,可以有效识别2.4GHz频段常见信号种类,识别率高达90%以上,部分信号识别率可达100%。所提算法适应性强,计算复杂度低,利于对信号进行实时监测和分类。进而,提出了基于支持向量机的信号分类算法。支持向量机作为一种新兴的智能模式识别算法,被广泛应用于各种分类场景。本文利用支持向量机理论,以部分特征参数为训练样本,训练分类平面,进一步提升了信号识别率。最后,提出了基于接收信号强度指示(Received Signal Strength Indicator,RSSI)的三角定位与质心算法,实现了信号源的准确定位。基于RSSI的三角定位算法具有计算开销低和定位精确度较高的优点。本文引入质心算法,进一步提升了定位精确度。