辐射源个体识别作为战场电子支援系统的关键组成部分,为战场威胁分类、态势感知、指挥决策制定等环节提供情报支持,是夺取制信息权的重要手段之一。然而辐射源个体识别技术也面临一些局限,由于主信号能量高而对个体特征造成影响,使得个体特征稳定性降低,从而影响最终的个体识别效果,如何进一步从辐射源信号中凸显个体特征、提高个体识别率成为辐射源个体识别领域亟待解决的问题。在此背景下,本文对主信号抑制下的辐射源个体识别技术进行了研究。首先,对辐射源无意调制的来源进行了分析,研究显示辐射源硬件产生的无意调制使理想信号频谱展宽,产生边带分量。结合相位噪声加入方法,并采用高斯白噪声信道,完成了对线性调频、正弦调频加性相位噪声信号源的建模过程。其次,对基于同步压缩变换的主信号抑制过程进行了研究,对静态小波变换去噪预处理、同步压缩小波变换时频分布以及主信号抑制的整体流程进行了详细分析,通过仿真实验根据直观的时域波形对比,以及利用均方根误差和皮尔逊相关系数作为数值指标,论证了课题所采用的基于同步压缩主信号抑制算法的有效性,且较低信噪比条件下,仍能保持一定的抑制效果。然后,在主信号抑制的基础上依次对动态小波指纹、双谱围线积分以及分形盒维数进行了研究,并对主信号抑制前后的信号均进行了特征提取的联合仿真,利用单核支持向量机进行了个体识别率评价。仿真结果显示,在与保留主信号相比,主信号抑制过程对三种特征的识别率提升都在10%以上,验证了主信号抑制过程对辐射源个体识别技术的积极作用。最后,针对多域特征可能存在的异构问题,对多核学习支持向量机进行了研究,分别构建了简单多核学习和广义多核学习支持向量机,并利用联合多域特征进行分类效果对比。实验显示与传统单核支持向量机相比,简单多核学习算法对个体识别率的提升在3%至6%之间,二分类下的广义多核学习支持向量机也达到了与简单多核学习近似的效果。