随着当前社会的电磁环境日益复杂,工艺制造水平越来越精良,无线网络设备的个体识别也越发的困难。无线网络设备的个体识别在通信安全和军事运用方面都有着重要的研究意义,而特征提取又是其个体识别环节中重要的一环,良好的特征可以更好的识别无线网络设备。所以本文在辐射源个体识别的背景下,以无线网络设备为研究对象,结合经验模态分解算法和多维经验模态分解算法,研究对无线网络设备的个体特征提取方法,本文的主要研究内容如下:(1)对无线网络设备内部结构进行了研究,通过其内部结构特征,分析无线网络设备的杂散特征产生机理,判断其是否能作为识别特征,为后文提取无线网络备的杂散特征提供理论支持。(2)基于信号分解的杂散特征提取。首先使用传统经验模态分解(Empirical Mode Decomposition,EMD)分解算法对无线网络设备进行杂散特征提取,然后通过本文提出的多维经验模态分解方法(Multivariate Empirical Mode Decomposition,MEMD)进行杂散特征提取,并对提取过程进行了过程评估。通过实验分析,本文方法提取杂散特征优于传统方法,但识别精度不够。(3)杂散二次特征提取及实验设计。只使用杂散特征精准度不够,所以完成对杂散二次特征的提取,并对二次特征进行特征评估选择合适特征。实验设计阶段,首先研究了无线网络设备的位置和天线方向对提取特征的影响,接着通过支持向量机(Support Vector Machine,SVM)和K近邻算法(K-Nearest Neighbor,KNN)完成对有无数据交流情况下的同型号无线网络设备个体识别,并与传统EMD方法进行对比,接着对不同型号和同型号混合的无线网络设备进行了个体识别,最后判断了本文方法是否适用于不同协议的无线设备。