辐射源个体识别,又称特定辐射源识别(Specific Emitter Identification,SEI)或“指纹”识别,指通过测量接收的电磁信号,依据一定的准则或先验知识确定产生信号的发射机个体身份的过程。在军事领域,该技术可以实现精确的跟踪和打击,是高层次信息融合的重要依据,同时也是态势估计的重要支撑。在民用领域,可应用于无线接入认证、电磁频谱监管和其他公共安全项目中。目前国内针对该技术的研究,由于设备造价高昂、算法不稳健等限制,往往在实验室环境下性能较好;但是在实际非理想信号环境下,噪声和多径等干扰的存在导致个体特征不稳定,分类器性能下降,达不到识别的要求。针对以上问题,本文就雷达辐射源个体特征提取、信息融合模型的改进和最小验证系统设计等方面重点进行研究。主要内容如下:1、以实际信号环境和常用的单通道、I/Q双通道接收设备为依据,构建两种接收信号模型;总结典型脉冲信号的个体参数估计方法并进行相应的仿真,归纳算法的优点,同时分析算法的局限性。2、针对常规雷达辐射源个体特征维度高、冗余信息多、噪声大的问题,研究基于贝塞尔曲线拟合的辐射源个体特征提取算法。该方法采用贝塞尔曲线对常规特征进行拟合,将拟合后控制点的空间散布作为个体特征向量。实验表明,与传统个体识别方法相比,在不显著降低识别率的情况下,本文提取的特征维度更低,占用存储空间更小,识别效率更高,适用于大规模数字化处理。3、针对常规单分类器在实际应用中容易受外界环境变化导致输出不稳定、基于决策层的信息融合模型输出结果不理想的不足,本文提出基于Dempster-Shafer(DS)证据理论的改进递归集中式时空信息融合模型。该模型继承了传统递归集中式信息融合模型的优点,同时又有效降低了识别过程中个别分类器失效以及融合次序对模型输出带来的不利影响,增强了对真目标的支持度,相对地降低了对其他假目标个体的支持。实验表明本文提出的改进模型利于并行运算、实时性好且性能稳定。4、针对目前国内研究辐射源个体识别技术多数以理论仿真为主、缺乏验证设备进行外场实测的不足,设计基于FPGA的辐射源个体识别最小验证系统,该系统可实现对广播式自动相关监视(Automatic dependent surveillance-broadcast,ADS-B)信号的采集、存储、解码、个体特征提取、数据库存取和聚类识别等功能。外场实测表明,该系统的平均个体识别准确率达到88.3%。