无线通信发射源识别研究与平台搭建对提升无线通信系统的安全性和提高通信侦察对抗能力具有重要的意义。伴随着信号处理技术的进步,通信设备日益增加,电磁环境渐趋复杂。传统的识别方法已经无法满足发射源识别的需求。根据不同的硬件差异而形成的信号特征识别通信发射源,可解决相同型号、相同类型、相同批次的发射源识别问题,是当下研究的热点领域之一,具有广阔的应用场景。本文将从发射源信号指纹形成原理出发,研究由功率放大器形成的信号指纹和由发射源整体特性形成的信号指纹两个方面,建立有效的信号指纹模型和特征提取方法,而后通过神经网络的训练完成发射源的识别。论文的主要工作如下:1)本文根据功放的非线性原理,提出了一种基于深度记忆的多项式模型。首先通过对经功率放大器的接收信号进行循环谱特征提取,将多张具有不同码元速率的循环谱图叠加在一起,生成了更有效的特征图。进一步,将生成的循环频谱矩阵送入多核双路网络中完成发射源识别。其中,实验建模的信道条件分别是高斯白噪声信道和瑞利衰落信道。仿真结果表明,所提出的多核双路网络相比于现有的Inception网络、ResNet网络和DenseNet网络具有更好的鲁棒性。特别地,当信噪比达到10dB时,在高斯白噪声信道下,分类识别率可达97%以上;在瑞利衰落信道下,分类识别率可达92%左右。2)本文采用自动增益控制、升余弦匹配滤波器、频率纠偏、相位校正等仿真校正模块对信号进行接收,设计了一种数字信号接收模型。进一步,从发射源整体角度出发,将采集的信号送入多核双路网络中进行识别,并通过通用软件无线电设备USRPx310搭建识别的实验平台,对所提方法进行了验证。实测结果表明,所提出的多核双路网络相比于Inception网络、ResNet网络和DenseNet网络,对目标发射源的识别具有更高的准确性。