通信辐射源个体识别技术对提升无线通信系统的安全性和提高军事通信侦察对抗能力具有重要意义。通过提取通信辐射源发射机在设计、生产过程中产生的硬件设备差异特征,可以分辨接收的信号来自哪个通信辐射源。然而,提取这些细微的辐射源个体差异特征非常困难,使得通信辐射源个体识别技术研究成为一项十分具有挑战性的课题。本文系统的研究了通信辐射源个体识别的理论框架,在此基础上研究了多种具有理论及实用价值的个体识别算法,通过仿真实验和实测数据验证了算法的有效性,部分算法在实际通信辐射源个体识别系统中得到了应用。本文主要工作包括以下几个方面:1.通信辐射源个体识别基本理论研究。分析了通信辐射源射频指纹特征信息的传输和处理流程,构建了通信辐射源个体识别的理论框架。在建立通信辐射源个体特征信息的编译码模型基础上,分析了辐射源个体识别系统的理论性能,指出辐射源个体识别处理流程中应尽可能减少个体特征信息的损失。2.基于发射机非线性模型的辐射源个体识别方法研究。在分析通信辐射源个体差异特征的生成机理基础上,研究了基于发射机功放非线性行为的辐射源个体识别方法,可以刻画辐射源发射机功放的弱记忆非线性行为。针对单器件非线性参数特征不足以精细建模辐射源发射机的个体差异,研究了发射机正交调制器畸变和功放非线性行为联合建模的辐射源个体识别方法,得到的个体特征向量可以更好地刻画不同发射机差异。考虑到难以精确建模和求解发射机中包含的所有模拟器件非线性行为,提出了一种基于自然测度的辐射源个体识别方法,将辐射源发射机整体视作一个非线性系统,直接提取发射机系统的非线性特征,可有效分辨不同的辐射源发射机个体。3.基于统计学习的辐射源个体识别方法研究。为避免辐射源个体特征提取过程中依赖人的主观经验导致的个体差异信息损失,研究了三种基于统计学习的辐射源个体识别方法。基于信号暂态稀疏表示的辐射源个体识别方法,利用低维特征空间暂态稀疏表示,采用重构误差最小化原则训练特征提取器,并据此分辨新样本的辐射源类别属性。基于全局图Fisher分析的辐射源个体识别方法,兼顾了样本数据局部线性流形的保持、全局类间分离性和类内聚集性,提取的个体特征更适合于辐射源个体识别。研究了基于信息理论的辐射源个体识别方法,通过最大化辐射源个体特征与类别的互信息并最小化特征重构误差熵,使得提取的特征能充分反映辐射源个体差异。4.基于特征提取与分类器联合优化的辐射源个体识别方法研究。为避免所提个体特征不适合于指定的分类器而导致分类识别率下降,提出了两种基于联合优化的辐射源个体识别方法。提出的基于特征降维与分类器联合优化的辐射源个体识别方法,通过最小化分类器分类误差且最大化降维特征与辐射源类别的互信息,可使得降维特征更适合使用的分类器。提出的基于低秩表示与最小预测误差正则化的辐射源个体识别方法,通过损失函数将辐射源类别信息显式地引入原始数据低秩表示模型,得到的个体特征更具分辨能力。