为有效解决特定辐射源的个体识别问题,提出一种基于Hilbert-Huang变换与对抗训练相结合的方法.首先根据辐射源硬件差异,建立辐射源信号的数学模型;其次,对信号进行Hilbert-Huang变换得到Hilbert谱;然后,在预处理过程中,从信号所有的Hilbert谱时频点对应的能量值中,确定最具区分度的一组能量值,并记录其对应的时频点;最后,对每一类辐射源信号的Hilbert谱提取上述记录的时频点对应的能量值,将其送入卷积神经网络进行训练与测试,并通过对抗训练的方式提升网络的抗噪性能.识别准确率实验表明,对比不进行对抗训练的方法以及不进行预处理与对抗训练的方法,所提算法的识别率分别平均提升3.1％与5.45％.识别鲁棒性实验表明,所提算法训练样本为100时即可达到较好识别效果,同时随着辐射源个数增多优势更加明显.复杂度分析表明,所提算法能有效降低神经网络在大量训练与识别过程产生的运算量.