在复杂的电子对抗环境中,及时、准确的雷达辐射源信号识别能够为己方制定有效的制敌策略提供保障。在现代电子战中,电磁环境日益复杂,辐射源信号参数灵活多变且信号之间相互交叠。传统的辐射源信号识别技术已经不能满足需求,研究新体制雷达辐射源信号的识别已经迫在眉睫。本文首先利用雷达信号的常规参数特征对不同的调制方式进行分类。然后进一步提取辐射源脉冲包络前沿作为雷达辐射源个体识别的“指纹”特征。最后,为了实现信号特征的自动提取,本文利用卷积神经网络实现雷达辐射源个体识别,并提出了有效的训练算法。本文的主要工作如下:1.建立雷达信号的数学模型,并对雷达的调制方式进行简要的介绍。对雷达信号的相位噪声进行了分析,介绍了雷达信号相位噪声的来源、组成和功率谱密度表达式;并给出了雷达辐射源信号特征提取与雷达辐射源个体识别模型。2.对脉冲的常规特征参数进行了介绍,然后采用频域法实现脉冲幅值和带宽特征参数的提取;通过相位展开法实现不同调制信号瞬时频率和载频的提取,且在较低信噪比情况下,也能获得较好的估计精度;在对脉冲到达时间和终止时间进行粗估计的基础上,实现脉冲达到时间的精估计。3.针对雷达辐射源个体识别,本文进行了相同型号的雷达相位噪声的仿真分析,然后证明了基于脉冲包络前沿特征实现雷达辐射源个体识别的可行性。相对于脉冲包络的其他特征,脉冲包络前沿特征受多径效应的影响最小,且对于相同信号的雷达来说,其信道衰落的对接收信号的影响可以忽略。然后对脉冲包络前沿波形滑窗取平均来抑制噪声,减小噪声对个体识别的影响。此外由于不同辐射源信号的脉冲幅值不同,即使相同的辐射源信号其幅值也会产生不同程度的失真,所以将信号包络进行滑窗取平均以后,需要对包络序列进行归一化处理。4.结合雷达辐射源信号的特点,利用卷积神经网络实现了雷达辐射源个体识别。在卷积神经网络结构方面,考虑到信号时域采样数据中包含了信号的相位信息,本文通过去掉网络中的池化层来更好的保持特征中的相位信息,提出了适合雷达辐射源个体识别的卷积神经网络结构。在卷积神经网络的训练方面,提出利用整流线性单元作为中间层神经元的激励函数,并提出将单层的BP算法作为一个内循环嵌入到输出层从而加快网络的训练速度。仿真实验表明了本文所提出的卷积神经网络结构和相应训练算法在雷达辐射源个体识别中的有效性。