通信电台个体识别是通信侦察领域一个重要研究课题。通信电台的个体识别技术主要根据电台硬件差异导致的各电台发射信号的个体特征,判别信号来自隶属的电台,进而实现电台跟踪,并为判定通信网络的组成等技术侦察任务提供重要依据。通信电台个体识别技术是实现民用通信频谱监视和管理、进行军用通信侦察的主要技术手段。同时,由于OFDM通信技术具有诸多技术优势,被广泛地应用于军用和民用通信领域,而常规通信电台个体识别技术无法有效地识别OFDM电台,因此对于OFDM电台的个体识别技术进行研究具有十分重要的意义和价值,是对常规电台个体识别技术的扩展。通信电台个体特征的分析、研究在电台个体识别中至关重要,本文以相同工作模式、相同型号下的OFDM电台的研究对象,针对稳定工作状态下硬件差异在信号上的不同体现,重点研究OFDM电台不同工作状态下个体特征,即电台稳定工作状态下的噪声特性、杂散特性。在噪声特性分析方面,分析了各OFDM电台噪声统计特性上的差异,重点研究了信噪比估计算法,提出了一种改进的基于最小二乘法一特征值分解(LS-EVD)的噪声功率估计算法。该算法不需要任何先验知识,在中等信噪比条件下,噪声估计性良好,并使信号和噪声子空间划分更易实现。在杂散特性表现出的个体特征方面,基于OFDM电台包络高阶J特征的分析,重点研究了OFDM电台杂散成分的高阶统计域参量的技术差异。高阶统计特征对加性高斯噪声具有良好的抑制作用,使OFDM电台杂散特性在包络上得到较好的保留。利用大量OFDM电台假设数据和仿真数据对上述研究进行了验证。大量实际数据试验表明：利用在稳定工作状态下的优选特征进行电台个体识别可以达到良好的识别效果。