通过接收雷达信号来识别雷达平台是现代电子战中非常重要的一个课题。辐射源信号的脉内调制方式可以分为脉内有意调制和脉内无意调制,脉内无意调制特征也被称为指纹特征。为了实现对雷达辐射源个体的识别,辐射源信号的指纹特征提取成为雷达侦察接收机的一项重要任务。论文从以下几个方面展开研究:研究了雷达发射机各个组件对辐射源信号的影响以及辐射源指纹特征产生机理,据此建立了仿真信号模型,使得仿真信号源能够有效体现包括信号指纹特征等在内的雷达信号特征,在此基础上对雷达辐射源进行指纹特征提取和识别。分析了雷达辐射源指纹识别系统的基本组成,通过结合脉内有意调制特征及无意调制特征,从而能够对雷达辐射源进行精准的分类与识别。针对在复杂的电磁环境下雷达信号识别率低的问题,提出了将径向高斯核时频分析应用于雷达信号,并对时频分布进行奇异值分解,提取出奇异值作为雷达信号识别的特征参数。仿真结果表明,该方法提高了在低信噪比情况下雷达信号的识别率。针对实现特定辐射源识别过程中,雷达辐射源个体指纹特征提取困难的问题,分析了基于脉冲包络前沿波形的指纹特征提取技术,并提出了基于变分模态分解(VMD)的指纹特征提取方法。该方法基于VMD将雷达脉冲幅度包络上的无意调制分解成不同的模态,通过计算这些模态的中心频率,将其作为指纹特征参数对辐射源进行分类识别。聚类实验表明,基于VMD的指纹特征提取方法,在信噪比较高的情况下对不同雷达辐射源具有良好的分类效果。针对在雷达辐射源指纹识别过程中,实际采样信号得到的有标签样本较少的问题,提出了改进的半监督主动学习算法。该算法联合主动学习和半监督学习,并对伪标记样本进行了迭代验证的改进,有效地减少了学习模型训练中所需有标签样本的数量。仿真实验表明改进的识别算法提高了伪标记样本的准确性,实现了在可获取的有标签样本数量较少的条件下对雷达信号的高概率识别。