复杂电磁环境下的信道盲均衡和信号识别是无线电监测的重要组成部分,在军事领域和民用领域都具有重要意义,一直是无线电监测领域的研究热点。近年来,随着无线通信技术的飞速发展和普及应用,无线通信设备和通信数据量爆炸式增长,进而导致电磁频谱资源愈发匮乏,电磁环境日益复杂。此外,无线通信技术的进步和无线通信设备的小型化同样也使得非法干扰源的设计与实现更加容易。私设电台、“黑广播”、“伪基站”等非授权广播电台屡禁不止,严重干扰了民事或军事无线通信服务。然而,传统的无线电监测相关算法在复杂电磁环境下,尤其在非高斯脉冲噪声下,性能均有所下降,甚至失效。在复杂电磁环境下,如何有效地进行信道盲均衡和信号识别仍是无线电监测领域亟待解决的现实问题。因此,本文针对非高斯脉冲噪声下的信道盲均衡、非高斯脉冲噪声下的调制识别、非同步信号的调制识别和非授权广播识别问题进行了深入系统地研究,探索了几种信道盲均衡和信号识别的新方法,主要创新工作如下:（1）针对非高斯脉冲噪声下现有盲均衡算法在收敛速度和稳定性方面的问题,设计了变步长函数来平衡盲均衡算法的收敛速度和稳态误差,进而提出了基于分数低阶统计从的变步长修正盲均衡算法;为了进一步提高算法的收敛速度,以并行的方式设计了基于概率密度函数匹配和分数低阶矩的代价函数,提出了新的并行盲均衡算法;为了增强算法的稳健性,设计了双阈值加权判决法,将基于Renyi熵和分数低阶统计量的两种代价函数进行有机融合,进而提出了新的双模盲均衡算法;为了兼顾算法的脉冲噪声抑制效果和收敛速度,利用有界非线性函数设计代价函数,引入拟牛顿迭代法,形成了非高斯脉冲噪声下的快速盲均衡算法。仿真实验表明,所提盲均衡算法可在有效抑制脉冲噪声的同时具有较快的收敛速度。（2）针对非高斯脉冲噪声下现有调制识别算法识别正确率较低的问题,利用循环相关熵谱来提取脉冲噪声下不同调制方式的特征,并采用径向基神经网络来识别不同的调制方式,提出了基于循环相关熵谱的调制识别算法;其次,为了进一步提高识别正确率,利用双曲正切循环谱来抑制脉冲噪声,并将其用作区分不同调制方式的特征,又引入深度残差网络形成了端到端的调制识别算法,无需特征提取;最后,在有界非线性函数的基础上,提出了广义循环谱来抑制脉冲噪声,采用主成分分析方法对特征进行降维,而后通过支持向量机进行调制方式识别,进而提出了轻量化的调制识别算法。仿真实验和实测实验表明,所提调制识别算法在非高斯脉冲噪声下均具有较好的识别性能。（3）针对非高斯脉冲下的非同步信号调制识别问题,提出了基于复相关熵和一维卷积神经网络的调制识别算法。首先,利用所引入的复相关熵函数,既可有效地抑制脉冲噪声,同时又能提取出非同步信号的特征用于调制识别。其次,通过将非同步信号映射到极坐标系,在理论上证明了复相关熵可有效去除时间偏移、频率偏移和相位偏移的对调制识别的影响,且证明了复相关熵函数可以用于区分不同调制方式的非同步信号。此外,又设计了仅有两层卷积层的卷积神经网络来识别不同的调制方式。最后,采用软件无线电设备进行了真实实验,实验结果表明所提调制识别算法具有较好的性能。（4）针对复杂电磁环境下非授权广播信号难以识别的问题,本文提出了一种智能高效的非授权广播信号识别方法。通过引入长短期记忆循环神经网络,构建了非授权广播信号识别模型,该模型可有效提取用来识别非授权广播信号和授权广播信号的特征,包括信道状态信息和射频设备指纹等信息。进一步地,基于LabVIEW平台开发了非授权广播信号识别系统,该系统通过调用已训练好的识别网络模型来进行非授权广播信号的有效识别。最后,采用软件无线电设备,进行了实测实验,结果表明所提算法具有较好的性能。上述工作在无线电监测技术基础方面做了有益的探索,在一定程度上丰富了复杂电磁环境下的信道盲均衡和信号识别算法的理论,提高了在实际系统中的可行性,具有一定的理论意义和实用价值。