低频辐射源的个体识别是通信和电子对抗领域一个非常重要的研究课题。不同的辐射源由于硬件差异会在发射信号中表现出各种各样的特征，且对于不同的辐射源某些特征是不同的。个体识别的目的就是要提取出这些能够区分不同辐射源的细微特征，并通过分类器来判断信号来自于哪个辐射源。本文所做的工作内容主要包括以下几个方面：(1)分析了声纳发射机中功放电路的电源互调失真的不对称性；研究了功放电路的行为建模，将小波引入Elman神经网络，提出了Elman小波神经网络模型，并对比了Volterra-Laguerre、Elman神经网络和Elman小波神经网络三种模型用于功放电路行为建模的性能。(2)研究了辐射源个体在稳态工作下杂散细微特征的提取方法，包括求取矩形积分双谱、六边形积分双谱特征以及它们的改进特征，并使用主成分分析和核主成分分析的方法对积分双谱进行特征降维；通过希尔伯特—黄变换(HHT)的时频分析方法获取能量熵、奇异值熵、中心频率、斜率等特征，并分析了这些特征用于分类识别的可行性。(3)针对分类识别，研究了支持向量机分类器和径向基神经网络分类器，将提出的稳态细微特征用于分类，得到了较好的识别效果。本文初步探索了相同型号、相同生产批次和相同工作模式下的低频辐射源的个体识别方法，具有一定的理论意义和实际应用前景。