辐射源个体识别已成为当前现代电子情报和电子支援系统的重要研究内容。它通过接收未知雷达辐射源发射的信号,分析其个体特征,从而唯一地识别个体辐射源,完成准确的威胁判断和其搭载平台的鉴别。本文结合“十一五”国防预研项目,从理论分析和实测雷达数据的实验验证出发,系统地研究了雷达辐射源个体识别中的核心方法。本文的主要研究成果如下:1、提出了基于模糊函数零点切片和代表性切片的个体特征提取方法,较之现有的模糊函数全平面核点优化法,采用“近零”切片作为分类特征矢量,不仅符合辐射源信号的模糊函数分布特性,而且大大降低了计算量及对存储空间的要求,使得无意调制识别的工程应用成为可能。进一步,通过设计的直接判别比准则对所提取的多普勒切片特征进行优化选择,在保持满意识别性能的前提下,还可以得到紧凑且稳定的辐射源个性特征。2、通过对含相位噪声发射信号的模糊函数整体建模,构建了从无意调制信息项到识别性能的有机联动平台,通过理论分析和大量实测数据的实验,不仅证明了相位噪声是辐射源无意调制特征产生的根源,而且给出了第二章中我们所提方法的机理解释。在此基础上,我们打破了常规的模糊函数取模操作,提出了一种解决模糊函数代表性切片位置不确定性问题的工程次最优方法,即模糊函数实零多普勒切片法,取得了优于模零切片的稳定性能。3、提出了基于典型相关分析的雷达辐射源特征融合算法,在时域特征失效时,依然能通过设计的切片串联策略构建互补的特征子集对,从而实现模糊函数自身特征的有效融合。实验结果表明,基于典型相关分析和鉴别典型相关分析的算法不仅克服了现有的全平面核点排序法的计算问题,而且有效地融合了模糊函数各近零切片上的互补信息,在显著提高辐射源个体识别性能的同时,进一步消除了模糊函数特征的冗余性。这种切片融合的思想可以自然地推广到多集框架下。4、建立了雷达辐射源个体在线识别的框架。首先提出了基于成对加权的模糊隶属度计算方法,它不仅能辨识野值点,而且对接收序列样本的在线机制表现出很好的适应性。将所提的在线模糊加权方法直接应用到passive-aggressive(PA)算法中,得到的模糊PA算法(FPA)可以获得与增量SVM相当的分类性能,但仍然享有感知器算法的高效性。这使得FPA成为替代PA的鲁棒而高效的方法,可以解决在大规模或高维实际数据中不可避免的野值点问题。5、提出了二维移位判别分析(2DSDA)算法和双边变形判别分析(TransDA)算法,前者通过图像移位操作实现了对图像相邻不同行、列间局部信息的保留以及非局部信息的剔除,并享有二维线性判别分析(2DLDA)的计算便利性;后者则通过序贯投影的方式将前者由单边推广到双边形式,进一步减少了特征矩阵的表示系数并充分挖掘了行、列两个方向的局部判别信息。不仅如此,通过移位参数的控制,所提算法将LDA、2DLDA甚至二阶张量下的多线性LDA归为其特例,从而具有优美的数学表示以及合理的物理解释。6、针对传统模糊C均值(FCM)算法对噪声的敏感性,我们移除了概率型约束,在可能性理论的大框架下研究了无约束型聚类,引入鲁棒统计学理论和信息论准则,分别提出了基于高斯估计量(RGC)和基于可能性熵准则(FUPEC)的鲁棒聚类算法。所提算法不仅能够有效地克服噪声和外围点对于聚类的影响,而且具有清晰的数学意义和合理的物理解释。此外,后者还能够准确判定类的数目并自动控制分辨率参数,即使在各类的尺寸和形状相异、甚至数据集被强噪声所污染时也能提供对于原型参数的准确估计。最后,受笛卡尔方法论的启发,我们检验了问题分解的合理性并总结了本文的研究思路。这些问题的解决标志着雷达辐射源个体识别方法论的诞生。