作为通信对抗的一项重要技术，通信电台识别近些年在国内受到广泛的关注和研究，主要分为特征提取和分类识别两部分。随着现代通信设备和通信环境的日趋复杂化，如何从截获信号中获取有价值的特征信息，并有效地进行信号来源分类，成为了研究的关键问题。然而国内现有的研究成果中，特征提取对其它参数的高度依赖，以及分类实现中需要训练样本的预先采集，都限制了技术的实用性。针对以上问题，本文对稳定工作状态下的电台杂散特征进行了分析比较。基于数字信号中谱对称性特征提取方法，提出一种改进方案。该方案首先利用了栅栏窗，有效地将码元间频率干扰进行分离；在计算谱对称系数时，改进为基于双固定频率的谱对称性特征，避免了对载频估计的依赖，并解决了现有谱对称性衡量中的等效性问题。仿真结果表明，与传统方法相比，分离性能获得了一定的提高。在特征判决方面，运用支撑矢量机（SVM）分类器设计了一种可扩充学习的分类模型，实现对新类型电台的自动检测，使得通信电台的分类更具实用性。通过仿真验证，改进的分类器实现了新样本的自动扩充功能。