在现代电子战中,为了准确做出战略判断和战术决策,就必须获取准确的战场信息,这就对辐射源识别提出了明确的需求。辐射源识别能够提供电磁目标的体制类型、波段和调制方式等基本信息,但是无法解决对同类型辐射源不同个体的区分问题,甚至无法识别启用战时参数的辐射源,目前辐射源识别技术已无法满足日益精细化的识别需求。基于此,本文结合实际项目需求,从理论分析、半实物实验和实测数据验证出发,建立一种全新的辐射源个体识别框架,并对脉冲体制辐射源无意调制特征分析及个体识别技术展开系统性研究,具体研究内容包括以下四个部分:(1)针对辐射源个体识别中存在的多个个体脉冲信号叠加问题,对所构成的多分量脉冲信号时频特性进行分析,获取各个脉冲信号的时频信息,为后续特征提取与增强奠定基础。首先,结合实际脉冲信号的特点,对多分量脉冲信号进行建模,为后续多分量信号分析与特征提取提供输入。然后,针对多分量信号时频信息交叉干扰、模糊问题,对基于自适应分数阶谱图法的瞬时频率估计算法展开研究,准确获取各个分量的时频信息,为后文脉间频率漂移特征提取与特征提取增强提供支撑。最后,针对一维时间序列表征个体能力有限的问题,利用经验模态分解算法将其分解成若干固有模态函数,为后续特征提取提供多维输入;针对经验模态分解算法存在的模态混叠问题,提出自滤波经验模态分解算法,相比先进的掩盖信号法经验模态分解算法,本文所提方法模态混叠抑制性能提升约26%,为后文特征提取提供技术基础。(2)针对经典辐射源特征无法表征个体差异性的问题,对脉内无意调制特征提取技术展开研究,提出了固有模态函数不同原生属性(Intrinsic Mode Function Distinct Native Attribute,IMF-DNA)指纹特征和分形特征,为后续个体多域表征与识别奠定基础。首先,结合实际辐射源系统结构,对无意调制特征进行来源分析,并建立具有无意调制特征的信号模型,为后续特征分析与提取提供输入。然后,针对脉冲包络无意调制,对射频不同原生属性(Radio-Frequency Distinct Native Attribute,RF-DNA)指纹特征进行局限性分析,将RF-DNA指纹特征拓展至固有模态函数,并提出基于多数投票算法的联合特征选择算法,构建了IMF-DNA指纹特征向量。仿真结果表明,IMF-DNA获得了比RF-DNA更好的个体识别性能,并具有良好的主信号调制参数泛化能力。最后,针对脉内相位噪声无意调制,利用分形的自相似性特性,提出基于盒维数和方差维数的相位噪声特征提取算法。用仿真信号源进行验证,相比RF-DNA特征和经典的围线积分双谱特征,分形特征具有更高的正确识别率;用实测数据进行验证,基于方差维数的正确识别率为83.7%,IMF-DNA的正确识别率约为85.3%。(3)为了更全面地表征辐射源个体,对脉间无意调制特征提取技术展开研究。由于实际辐射源的关键器件普遍存在频率漂移现象,该特性可用于表征辐射源个体,基于此,本文重点对脉间频率漂移无意调制特征进行研究,获取辐射源频率漂移个体特征,为后续个体多域表征及识别奠定基础。首先,结合关键器件的频率漂移特性,建立具有频率漂移特性的信号模型;然后,利用前文所提瞬时频率估计算法对较长时间内的连续脉冲进行频率估计,获取频率漂移曲线;最后,提出具有抗时间伸缩特性的频率漂移曲线几何特征的提取算法,该算法通过对时频漂移曲线的分割、选取特征点与构建特征等过程,实现了对频漂移曲线的个体表征,解决了频率漂移曲线横向不确定伸缩造成的识别困难问题。仿真与实测数据实验结果均表明,该特征能有效区分辐射源个体。(4)由于辐射源无意调制个体特征易受主信号调制参数的影响,对辐射源个体特征提取技术进行改进研究。根据乘性包络特征跟随主信号、加性相位噪声特征与主信号相互独立的规律,提出基于阶时变短时分数阶傅里叶变换的时变滤波算法,将主信号和噪声进行分离。基于此,并提出辐射源个体特征提取增强算法,分别对主信号进行包络特征提取,对噪声进行相位噪声特征提取。仿真结果表明,经过特征提取增强,个体正确识别率有了显著提高,增强效果明显。另外,针对高维特征导致分类器过拟合并恶化识别性能的问题,利用多核学习对时域包络特征、相位噪声分形域特征、相位噪声频域特征(双谱)和脉间频率漂移频域特征等特征进行多域融合,提升最终个体识别效果。仿真结果表明,多核学习对辐射源个体正确识别率的提升大于5%。实测数据验证结果表明,个体特征提取增强后会提升个体正确识别率,经过多核学习特征融合后,个体识别正确率会进一步提升,提升幅度约为4%。