随着通信技术的发展,设备信息的获取无论是在无线网络安全还是军事侦察领域都具有重要的意义。在当前复杂的电磁环境下,人们不仅关注从接收机中获取的通信信号基本参数特征,如信号频率、调制模式等,还越来越关注附加在通信信号上、由无线设备个体差异所产生的稳定不变的细微特征。根据这些特征,可以判断出设备类别,并获取使用者的身份信息,从而有针对性的对目标通信设备进行监管。本文主要以对讲机设备个体识别为例,对基于RF-DNA(Radio Frequency Distinct Native Attribute)的无线设备指纹特征提取方法进行研究,具体研究内容如下:首先,对无线设备个体识别中的基本理论方法进行研究。包括射频指纹产生机理、信号预处理、特征降维以及分类识别算法等。着重研究了信号预处理算法中的瞬态信号起始点检测算法,对基于方差轨迹检测和分形贝叶斯变点检测算法进行仿真研究,通过对实测信号在不同信噪比条件下的检测偏差验证了两种检测方法的有效性。其次,对基于RF-DNA的无线设备指纹特征提取方法进行研究。针对设备的瞬态信号,本文对信号时域瞬时特征、小波系数特征以及时频分布特性展开了深入研究,引入统计特征来构建基于瞬态信号的RF-DNA指纹特征集合;针对设备的稳态信号,本文主要对高阶统计特性展开研究,引入四种积分双谱算法构建基于稳态信号的RF-DNA指纹特征集合。实验结果表明,在理想的高斯白噪声信道环境下,基于时域和时频分布特性的RF-DNA指纹特征提取算法在15dB噪声环境下基本能实现10台对讲机设备的有效分离,高阶谱特征中的矩形积分双谱特征对实验设备稳态信号的分类识别率接近90%。最后,对基于D-S证据理论的融合方法进行了研究。在以上指纹特征提取方法研究的基础上,针对传统的基于单一信号片段进行设备识别的不足,本文提出了基于D-S证据理论的瞬态稳态多片段联合识别模型。仿真结果表明,本文中所提出的融合方法对设备的分类识别率较融合之前获得了很大的提升。此外,基于所提出的融合识别模型,本文搭建了基于USRP2930的无线设备个体识别演示系统,并通过系统功能测试验证了演示系统的识别性能。