随着物联网无线通信技术的发展,各种无线设备得到广泛应用,无线设备所占用的频谱资源也越来越拥挤,除此之外,各种无线设备的接入安全问题,以及不法分子利用无线设备对个人隐私和公共安全所带来的威胁也不容小觑。因此,如何有效地对无线设备进行识别以及定位有着十分重要的意义。大多数无线设备的识别研究都是利用小波变换、傅里叶变换和机器学习等方法对已知协议的单一设备进行识别。但是,这些工作中研究的设备种类的多样性不足,并且没有一种方法可以在多个设备同时存在时,对它们进行识别以及对它们进行定位。为了解决上述问题,本论文提出了以下方法既可以对单个设备进行识别,也可以在多个不同协议的设备同时存在时对它们进行识别以及定位,并且无论是否已知设备的协议,都可以采用本文的方法。我们研究的主要方法是:1.对于单个无线设备,我们通过自相关和短时傅里叶变换的方法提取无线设备信号的特征来识别设备;2.对于多个无线设备,我们也通过自相关的方法提取多个设备信号的周期特征来对它们进行识别;3.我们定位的方法是利用信号的干扰,通过基于指纹的定位算法来定位无线设备。在室内环境下,我们对无人机、WiFi路由器和Zig Bee传感器这三种设备进行了测试。利用我们的方法在对单个设备进行识别时,我们能发现利用自相关的方法识别的成功率是100%,而利用短时傅里叶变换的方法对周期性信号进行识别的成功率是85%以上,对随机性信号进行识别的成功率可以达到96.7%;在对多个设备进行识别时,我们能发现利用自相关的方法识别的成功率均是100%。在利用不同协议设备间的干扰进行定位时,通过基于指纹的梯度提升回归树算法定位的平均误差能达到1.43米。