广播是距离人们日常生活最近的媒体。无论年龄大小，文化程度高低，广播适合所有的人。广播还有可移动性和便携性。人们可以随时、随地，很方便地从广播中了解最新的信息。由于社会的快速发展，人们的生活节奏变快。广播成为人们获取信息的重要媒介。人们可以通过电台了解天气状况、道路的交通状况、娱乐资讯等等信息。在重大灾害时，还可以作为信息的发布平台。广播频段的使用不规范或非法使用直接影响人们的信息获取和正常生活。如果在重要时刻造成信息发布受阻或不清楚，甚至会造成重大的生命财产损失。从监测的角度出发，要确保能够找出不规范或非法使用的频点所产生的异常信号。本文介绍了目前监测人员在实际操作中经常使用的几种识别方法。然而，这些识别方法多数是通过简单的统计来实现。其监测结果和实际情况会有很大的出入。本文提出了一种新的异常信号的识别方法。该方法用模糊C均值或K均值处理数据，提取信号属性特征并进行归一化处理，通过有序加权聚合算子进行信号识别。主要的研究工作如下：（一）根据工作人员的对信号特征的描述和经典信号理论，本文提取了6个无线电信号特征并给出了计算公式。（二）根据给出的无线电信号的特征，我们提出了一种识别广播频段异常信号的方法。在该方法中，将每个特征转化为标量并进行了归一化处理，使用了序加权聚合算子进行评价并给出了评价结果。（三）由于在进行聚合时，权重的选择直接影响着聚合的结果。我们提出了一种计算权重的方法。该方法将权重向量作为变量应用到模糊C均值中。在考虑模糊分类矩阵和中心向量都在一定的误差范围内停止迭代。最终确定每个特征的权重。用广播频段实测数据进行试验，在试验中比较了该方法与峰值保持法和提高平均值法的识别效果。