在现代军事领域,信息战扮演着越来越重要的角色,我国也将信息化列为了军队现代化建设的重要目标之一。因此,在水声对抗方面,水下目标探测识别技术成了研究热点。近年来,对辐射源个体识别技术的研究受到了越来越多的关注。该技术通过截获敌方的通信辐射源信号,采用适当的信号处理技术,提取出信号中的“指纹”,从而实现对敌方通信设备、武器装备的分类识别,有利于掌握战争的主动权。本文以水声通信为背景开展辐射源指纹特征提取方法的研究。针对辐射源信号具有非平稳性和非线性的特点,本文应用流形学习和混沌理论这两种非线性分析方法,并结合小波包变换这一有效的时频分析工具,提出了辐射源信号的小波熵特征和混沌特征提取方法,主要研究工作如下:(1)分析了辐射源信号指纹特征提取及个体识别研究的背景、意义以及在水声通信环境下开展辐射源指纹特征提取方法研究所面临的挑战,调研了国内外关于辐射源指纹特征提取方法的研究现状。(2)将功率放大器的非线性效应视为辐射源指纹特征的主要来源,分析了功率放大器的非线性失真效应和记忆效应,并根据水声通信的应用场景,分析了功率放大器对OFDM信号的影响,建立了记忆多项式功放个体行为模型,通过设置不同的模型系数,模拟不同的辐射源个体,对个体的AM/AM和AM/PM分布特性进行了仿真分析,验证了模型的有效性。(3)提出了基于小波熵和流形学习的辐射源指纹特征提取方法。首先对辐射源信号进行小波包分解,得到多个子频带信号,为了更好地提取信号的非线性信息,同时抑制带内噪声的影响,采用局部切空间排列算法对各子频带信号进行数据降维,计算降维后各子频带信息熵,得到小波熵特征向量。通过仿真验证了小波熵特征区分不同辐射源个体的有效性,并分析了信号带宽和采样率变化时,小波熵特征的稳定性。(4)提出了基于混沌分析的辐射源指纹特征提取方法。首先对辐射源信号进行相空间重构,通过对重构相空间的分析计算关联维数、最大Lyapunov指数和Kolmogorov熵三种混沌特征参数,并通过重标极差法对原始辐射源信号时间序列进行分析,得到Hurst指数。通过仿真验证了四种混沌特征参数对于不同类辐射源个体信号具有较好的区分性,并分析了四种混沌特征参数在信号带宽和采样率不同情况下的稳定性。(5)对不同辐射源个体的分类识别进行了仿真和实验测试,采用人工神经网络作为分类器,将所提取的辐射源信号的小波熵特征参数和混沌特征参数组成联合特征向量,输入多层感知器,在不同的信噪比条件下以及信号采取不同调制方式的情况下计算识别率,结果表明了本文所提辐射源指纹特征提取方法的有效性。