随着现代电子信息技术的快速发展,新体制雷达不断涌现,如何从雷达接收信号中开展特征提取和目标识别成为当前电子侦察的重要研究内容。本文从雷达辐射源脉内特征提取与识别方法展开研究,主要工作与成果包括:1.本文首先介绍了两种雷达脉内调制方式的产生机理,并分析了影响雷达辐射源指纹特征的主要原因。由于频偏和寄生调相两类因素具有可测性、稳定性强等特点,本文将这两类主要因素用于对指纹模型的建模,作为基础和前提。2.针对不同的调制方式,通常会采取不同的特征提取处理方法。本文研究了一种基于时频分析的有意调制特征提取方法,该方法通过利用不同调制信号的频谱以及时频分布差异并结合决策树来进行识别。实验证明,本文采用的调制识别方法能够表现不同调制方式的时频信息,在6d B时,样本的平均识别准确率可以达到96%以上。3.为了反映辐射源个体的本质差异,本文以频率稳定度作为指纹特征,并针对CW信号和LFM信号提出了两种改进的精准测频方法。为了改善周期图法谱线间隔带来的误差,本文应用了一种CZT频率精估方法实现了对CW信号频率的精确估计,该方法通过在粗估值周围进行频谱细分来提高分辨率,同时减小了采样间隔误差。对于线性调频信号（LFM）,本文提出一种改进的智能粒子群寻优方法来完成对频率特征的提取,保证了精度的同时,极大提高了局部搜索最大似然法的运行效率。此外,本文还推导了指纹模型参数估计的CRLB理论性能界。实验表明,本文采用的频率参数精估算法可以逼近CRLB界,在7d B时,对雷达辐射源的识别准确率达到90%以上。4.为了充分刻画辐射源个体指纹的非线性特征,进一步减少传统人工特征提取的难度,本文研究了一种基于一维残差网络和特征增强的个体识别方法。该方法利用了双谱的抗噪能力,通过提取双谱的三种特征矢量:奇异向量、对角切片和SIB矢量,并结合接收的一维时序信号,联合送入设计的残差网络种进行训练和学习。实验证明,本文提出的方法有效利用了有限的信息,相比仅利用时序信号或双谱特征的传统方法,得到了更高的识别准确率。