辐射源识别是指利用辐射源发射的信号来识别出辐射源个体及其调制方式等。辐射源识别技术因其在战场态势感知、辅助决策方面的重大作用,成为电子侦察系统中的核心技术之一。现有的辐射源个体识别算法存在特征完备性欠佳、未知个体判别效果不佳、跨时期识别稳定性变差等问题。因此,如何实现准确,鲁棒的辐射源个体识别非常具有挑战性。为此,本文研究了辐射源个体识别中的特征融合、未知个体判别和跨时期辐射源个体识别。论文的主要工作如下:1.针对现有的基于人工特征的辐射源个体识别算法存在特征完备性欠佳,导致个体识别准确率不高的问题,本文提出了基于自注意力机制融合特征的辐射源个体识别算法（Feature Fusion based on Self-Attention,FFSA）。该算法结合频谱、幅度和相位特征各自表征信息的优势,基于自注意力挖掘相互间的协同作用。在三个数据集上的仿真实验结果表明,提出的FFSA算法相比于现有方法分别提升了2.74%、4.73%和1.82%的识别准确率。2.针对现有的基于度量学习的未知个体判别算法受限于正负样本对选择,特征空间聚类效果不好的问题,本文提出了基于生成对抗式深度度量学习的未知个体判别算法（Generative Adversarial Metric Learning,GAML）。该算法通过生成困难负样本特征以提升特征空间的聚类效果。在ADS-B数据集上的仿真实验结果表明,在已知个体识别和未知个体判别上,提出的GAML算法优于现有方法;特别是在未知个体判别精确率上,相比于常规深度度量学习,GAML算法平均提升了4.33%;不同数量已知个体存在的情况下,提出的GAML算法保持在90%以上。3.现有的辐射源个体识别算法大都在同一时期识别个体,然而跨时期场景下辐射源信号数据分布存在差异,导致现有的辐射源个体识别算法准确率下降。因此,本文提出了wasserstein距离下基于对抗域适应的跨时期辐射源个体识别算法（Adversarial Domain Adaptation with Wasserstein distance,ADAW）。该算法器对齐不同时期数据分布并提取公共特征实现跨时期个体识别。在ADS-B数据集上的仿真实验结果表明,在5个月和1年的时间跨度下,在跨时期识别准确率上,提出的ADAW算法相比于现有方法分别提升了4.82%和6.52%。在Wi Sig数据集上的仿真实验结果表明,在一周的时间跨度下,在跨时期识别准确率上,提出的ADAW算法相比于现有方法提升了5.81%。