通信辐射源个体识别是通信侦察领域新的研究方向,其定义为对接收到的通信电台发射信号进行特征测量,并根据已有的先验信息确定产生信号的通信电台个体的过程。通信辐射源个体识别根据各电台硬件差异在发射信号上表现出来的区别于其它个体的无意调制特征来判断信号来自哪个电台,进而实现电台跟踪和确认。通信辐射源个体识别在无线电安全通信、军事通信对抗和民用无线电监测等领域具有十分重要的意义,受到国内外相关研究人员的关注。针对通信辐射源个体识别研究中迫切需要解决的关键问题,本文提出和推导了一系列具有理论和实用价值的算法,并且通过实际电台数据和计算机仿真实验验证了算法的优良性能。归纳起来,本文所做的工作主要包括以下几个方面：1、在通信信号参数估计方面,从瞬时频率的概率密度函数、信噪比估计和调制样式识别三个方面进行分析。瞬时频率的概率密度函数方面,研究了载波信号瞬时频率的概率密度函数模型,在分析相位误差以及相位误差近似函数的基础上,提出了一种瞬时频率概率密度的近似密度函数,该密度函数表达式具有很好的近似效果,且该公式的表示形式简单,公式中的参数也具有明确的物理含义。并且通过假设检验的方法验证了该公式的正确性。随后分析了不同采样速率及信噪比对瞬时频率概率密度函数的影响。最后通过蒙特卡罗仿真验证了本文提出的瞬时频率的概率密度函数的正确性。在通信信号信噪比估计方面,分析了PSK信号和QAM信号的高阶统计矩与信噪比之间的关系,分析了不同统计矩对信噪比估计性能的差异,为信噪比估计选取最佳的统计量提供一种简单的方法。分析表明对于PSK信号,一阶二阶统计矩的信噪比估计方法具有最佳的信噪比估计性能；而对于QAM信号高阶统计矩具有较好的估计性能,并且推导了具有解析式的高阶统计量的信噪比估计方法,仿真结果表明该方法具有较小的均方误差和较低的复杂度。在调制样式识别方面,本文从线性统计矩和方向数据统计矩两方面分别’对常见的数字通信信号的调制样式识别进行了分析研究。线性统计矩方面利用四阶累积不变量特征和信号的谱峰特征相结合的方法来实现调制样式的自动分类。在方向数据统计矩方面,根据瞬时频率和瞬时相位的概率密度函数来提取信号的三角矩特征,实验结果表明方向数据统计方法能够实现调制样式的自动识别,该方法由于需要计算余弦函数值,因此计算量较大,在实际使用中需要借助迭代等快速算法来实现。2、在暂态特征分析方面,从三个不同的角度进行了个体特征分析研究。首先根据包络信号的非线性特征提出了一种积分包络的暂态信号特征提取方法。对于包络相似的暂态信号经积分包络变换后,信号的非线性特征就会体现在信号的积分包络上,通过PCA提取信号的主分量特征就可以对信号进行分类,实验结果表明该方面具有较好的分类效果和抗噪能力。其次从小波分析方法入手利用离散小波变换提取不含调制信息的暂态包络特性,用每一层小波变换的能量作为特征,用遗传算法来选择分类效果最好的几个特征,对实验采集的暂态信号进行识别。最后进一步研究暂态信号的非线性特征提出了一种基于分类的自适应时频分析方法。该方法通过分类信号的模糊函数自适应的选择高斯径向核函数的参数,使信号的时频分布具有最大的可分离度,该方法在暂态信号识别上效果最好,同时该方法在训练时所需的时间也是最长的,通过梯度上升迭代算法可以降低训练过程中的计算量,减少训练时间。3、在稳态特征分析方面,通过分析码元持续期间信号瞬时频率的特征,提取了能够有效区分通信电台的个体特征。为衡量所选特征的分类能力,根据评价特征集分离性能的指标-可分离指数,择优选择相关特征作为电台的个体特征,为后续分析提供了一个分析工具。根据码元保持时间内信号瞬时频率的特征,提出了一种基于分类的分数阶Fourier变换方法,通过联合优化分数阶Fourier变换阶数和距离测度的方法来选择最优的分数阶Fourier变换阶数和距离测度。4、在跳频网台信号分选方面,分析了跳频网台细微特征的来源,其中主要分析了跳频网台频率合成器的相位噪声,相位噪声是影响短期频率稳定度的主要原因。在跳频电台频率跳变时刻提取信号的暂态特征,由于跳频信号的周期性使得暂态信号的获取变得容易,而通过观测多个跳频脉冲的暂态信号特征也使暂态特征分析更加可靠,因此利用暂态信号分析来进行跳频电台的个体识别具有较好效果,同时通过跳频电台的个体识别的方法来进行网台信号分选。