随着世界经济和信息化的高速发展,无线电频谱已成为现代人类社会的重要资源。无线电应用的日益广泛,无线电频率供需矛盾日趋紧张,使得干扰不断增多。特别是航空导航、广播电视、卫星通信等重要无线电业务,也经常受到有害和恶意干扰,严重影响国家安全和社会稳定。目前无线电监测工作是由无线电监测人员利用监测网通过对所接收信号的频谱图进行实时观测分析完成的。这项工作对无线电监测人员的专业水平提出了很高的要求,也极大的增加了监测人员的工作量。监测过程就是监测人员利用专业知识将观察到的信号频谱模式与大脑中已有的信号频谱模式进行匹配和分析的过程。模式识别研究理论和方法在很多学科和技术领域中得到了广泛的应用,推动了人工智能系统的发展,扩大了计算机应用的领域,在向人类智能逼近这一永恒的前沿课题中占有了一席之地。可以说,在高度自动化的今天,模式识别已经几乎进入人类生活的各个领域[1-2]。由于杂波干扰的存在及其它因素的影响,无线电信号的发射和接收面临的实际环境将变得异常复杂,这个过程具有不确定性,所以信号的频谱模式也具有不确定性,模式界限是不明确的[3]。本文将模糊模式识别方法运用到C波段无线电监测领域,开发了卫星C波段无线电信号智能监测系统,经过测试和实际应用,达到了设计目标,实现了卫星C波段无线电信号的自动监测,具有很好的应用前景。本论文的主要研究成果可归纳如下:1.将模糊模式识别方法成功地运用到C波段无线电监测领域,提出基于ISODATA算法的的半监督学习方法,并运用于计算信号的最佳聚类中心矩阵。2.探讨了处理无线电信号频谱数据的方法,在大量仿真实验的基础上提出了提取信号特征的方法。3.运用加权的绝对值距离求未知信号与最佳聚类中心矩阵每个行向量的距离,根据距离最小原则判断信号的类型。4.研究了卫星C波段无线电智能分析系统的理论、设计和实现方法。此系统是一种用于分析卫星C波段信号的虚拟仪器系统,较常规的虚拟仪器具有一定的智能性。