随着信息时代的快速发展，无线电频谱资源已成为人类社会广泛使用的重要资源，这对无线电信号的监测提出了新的要求。信号类型的识别是信号监测的重要任务之一，而信号的特征属性呈现的连续性、高维性、非线性等复杂特点对我们的识别造成极大困扰。因此，应用粗糙集模型处理复杂数据的优势约简信号特征属性，对进一步的识别信号类型具有重要的现实意义。许多研究表明，在处理不确定性问题时，粗糙集和模糊集是互补的而不是对立的。模糊偏好粗糙集模型是优势粗糙集的模糊化，是用模糊偏好关系代替优势关系而得到的一种广义模糊粗糙集模型。本文主要基于模糊偏好粗糙集模型研究C波段无线电信号的属性约简和异常信号的识别，主要内容如下：1、针对多准则决策信息系统中对象间模糊偏好关系的构造，本文给出了一个新的更简洁的准则函数来生成模糊偏好关系，证明了这种新的模糊偏好关系与文[12]选用的模糊偏好关系具有一致性，即不会改变对象间的优劣顺序。2、根据模糊偏好粗糙集模型，本文定义了一种新的模糊近似质量，给出了模糊偏好近似和模糊偏好近似质量的计算方法，然后定义了信息系统的属性约简，证明了简约即是保持模糊偏好下近似不变的属性集合的最小子集，最后从特征属性的重要度出发给出了一种启发式约简算法。3、对无线电信号的特性进行了分析，将单个特征和组合特征的信号识别准确率做了实验对比，并给出了信号识别的流程图，最后指出了目前信号识别中存在的问题。4、以C波段上的无线电信号为应用背景，将信号特征属性转化为准则，构造具有模糊偏好关系的粗糙集模型，删掉冗余的特征属性。然后，在此基础上通过OWA算子聚合某一信号被识别为每一类信号类型的评价结果，如果评价结果中有且仅有一个值近似于1，同时其他的值都近似于0，那么此信号为最大值对应的信号类型；否则，此信号为一种新类型信号。以实际采集的数据进行了实验对比，新的识别方法最明显的优势在于不仅保持了较高的识别率，而且克服了原方法无法识别新类型的不足。