跳频通信是目前军用电台的常见通信方式,也是现代军事无线通信抗干扰的主要手段,它具有优良的抗干扰性能和多址组网的性能,能够有效地降低通信信号被侦测的概率,减少敌方电磁干扰的影响为我军在恶劣的电磁环境中畅通的通信指挥提供重要保障,具有重大的军事意义。然而跳频通信优越的抗干扰性能和多址组网特性也增加了它的研究困难度,所以对于跳频信号的特征提取和信号识别目前大多还处于理论阶段。本文以支持向量机为基础,分析一代小波核函数和二代小波核函数对跳频信号进行分类识别的效果,并指出其优势和不足。提出单一分形特征提取方法对跳频信号进行特征提取,将提取结果用于信号的分类识别。针对单一特征提取方法在识别率上的不足,创新性地提出小波加分形的混合特征提取方法,对跳频信号进行分类识别,并取得较高识别率。后者具体过程为：利用小波对实测跳频信号进行小波变换,取得信号的离散细节和离散逼近,分别提取变换后跳频信号高频和低频的分形特征,包括盒维数、信息维数和LZ复杂度,通过性能对比选取聚类效果最好的盒维数和LZ复杂度,并以此作为支持向量机的输入特征集,完成不同电台的跳频信号进行分类识别实验。本文主要完成了以下几项工作：(1)分析基于一代小波核函数和二代小波核函数的跳频信号分类识别方法,实验结果指出两种识别方法的优势和不足。(2)在跳频信号的特征提取中根据分形理论和复杂度的原理,来提取跳频信号的分形维数,包括盒维数、信息维数和LZ复杂度,通过比较,选取聚类性较好的盒维数和LZ复杂度作为特征集,对跳频信号进行分类识别,对单一分形特征提取的实验结果进行了分析。(3)提出小波变换和分形理论相结合的混合特征提取方式,对跳频信号进行特征提取,结果用于跳频信号的分类识别实验。实验结果较之单一分形特征提取,在保证同等识别效率的同时,提高了跳频信号的识别率,并且还有更大的优化空间。