战场环境与民用生活中,雷达、通信信号大量共存,其频谱日益混叠、调制日益复杂、数目日益增多。无论是精确化电子战侦察、敌区无人作战平台侦察,还是认知无线电频谱感知及共享,都不可避免面临复杂环境下雷达、通信辐射源一体化识别的问题。本文基于复杂电磁环境感知背景,着重研究基于特征学习的雷达通信信号一体化侦察识别技术。主要创新点包括以下方面:一、提出了包含跳频信号的通信雷达信号类间识别方法。该方法针对的是现有占空比分类法鲁棒性差、信噪比要求高、不适用于通信跳频信号的问题。首先,推导了基于NP(Neyman-Pearson)准则的不同信噪比条件下的占空比计算判决门限,以区分非跳频通信信号与窄带脉冲形式信号。其次,运用信息熵原理,提出脉冲重复间隔熵特征和多频点占空比判决法区分通信跳频与雷达脉冲信号。仿真结果表明,推导的占空比计算门限在低信噪比条件下(≥5dB)有效,提出的脉冲重复间隔熵特征和多频点占空比判决法能够在不同估计精度下区分通信跳频与雷达信号。二、提出了基于模糊特征与模糊聚类学习的雷达调制识别方法。该方法针对的是瞬时宽带侦察与大带宽信号面临的低信噪比环境,设备实时性与低功耗限制下的低算法复杂度要求,以及雷达辐射源类别数目未知的实际条件。首先,根据信号模糊函数,提出了利用坐标转换与取整函数提取最大能量角的算法。接着,在最大能量角上提取波形切片,提出基于导数约束的切片平滑降噪算法,推导其二阶锥规划形式降低计算复杂度,提出利用镜像Holder系数使切片波形数值化的算法。其次,提出依据DBI指数(Davies-Bouldin Index)的遍历寻优法,确定雷达辐射源类别数。最后,利用最大能量角与最大能量切片特征构成特征向量,使用模糊C-means进行聚类识别。仿真结果表明,所提方法在低信噪比(≥0dB)时调制识别正确率可达98%,特征提取较同类算法在高采样速率时具有更低的算法复杂度,所提的遍历寻优法能够在低信噪比时确定雷达辐射源类别数目,所提的调制识别方法适用于低信噪比下多个线性调频信号辐射源与其他各种调制并存的实际环境。三、提出了基于循环谱和深度信念网络(DBN)的通信调制模式识别方法。该方法针对的同样是低信噪比环境与低算法复杂度要求。首先,运用FAM(FFT Accumulation Method)算法提取信号循环谱,提出基于灰度图降维的循环谱特征预处理方法。接着,根据深度信念网络特性设计识别器,提出基于DBN的训练数据样式及产生方式。其次,提出基于DBN构架的通信调制识别流程。仿真结果表明,本章方法在低信噪比条件下对频率、相位编码信号具有更好的识别性能,所提方法的特征提取具有更低的复杂度,补充验证了该方法适用于雷达编码调制样式识别。