雷达辐射源个体识别是获取非合作方战略布局信息并快速掌握战争主动权的关键所在。当今战场电磁环境的复杂化使得传统基于单一特征和单一分类器的识别方法在稳定性和可靠性上均难以得到保障。如何在复杂电磁环境下获取有效的个体特征并进行精准的识别便成为了雷达辐射源个体识别的首要问题,为此本课题围绕雷达辐射源建模、特征提取、特征优化以及分类器的设计展开深入研究,设计了一套基于多维度特征提取与决策级融合的雷达辐射源个体识别系统,主要研究内容如下:首先,从雷达辐射源的结构出发,介绍了雷达发射机的原理,详细分析了雷达发射机中频率源的噪声特性和放大链的非线性特点并得出相位噪声为无意调制的主要来源。针对信号的无意调制加入方法进行深入研究,建立了不同调制信号的无意调制数学模型,并在时域和频域对模型的正确性进行了仿真验证。其次针对雷达辐射源无意调制特征稳定性和可靠性不足的问题,设计了一种多维度无意调制特征提取方案,该方案以信号时频分析为基础结合能量谱、信息熵、图像处理以及深度学习理论,并针对不同维度下无意特征的差异性,实现了多维度下无意特征的提取,建立了具有全面表征性的无意调制特征集,以供后续特征优化和分类识别使用。然后针对特征的有效性和互异性问题,提出了雷达辐射源无意特征优化方法,该方法采用KPCA算法对高维度特征进行特征抽取,以去除特征中相关性较高的冗余信息,实现了特征的互异性提升。然后采用Relief F算法进行特征权重分析,通过剔除低权重特征实现了特征集的有效性提升。最后针对雷达辐射源个体识别时数据的非线性特点和小样本特性引入了非线性支持向量机理论,结合狼群智能寻优算法实现了非线性支持向量参数的高效选取,并以此建立了基于狼群算法的非线性支持向量机的分类识别系统。为了克服单一特征和单一分类器在稳定性和可靠性上的不足,引入了D-S证据理论,设计了基于D-S的雷达辐射源个体识别系统,实现了不同特征下的决策信息融合,提升了识别系统的整体性能。