随着科技的发展,无线电变得与人们的日常生活休戚相关。人们对无线电频谱资源的需求也日益增大,使得原本就有限的频谱资源显得更加珍贵。频谱资源的不规范使用会导致资源的浪费,影响信号的传播,阻碍通信产业的发展,制约经济的发展和社会的进步。为了解决这一难题,许多专家、学者进行了不懈的研究,取得了大量的理论研究成果并应用于无线电产业。近来,将模糊集理论、神经网络理论等不确定性分析理论应用于异常信号分析是一个热门研究方向。本文将主成分分析法应用于无线电信号的特征提取,对以往根据专家经验进行特征选取的方法进行了改进。同时将熵权法引入模糊C均值聚类分析,通过加权来表达各个特征的重要度,解决特征对分类贡献不均匀的问题。实验验证了该方法的有效性,能更快速、高效地判断异常信号的类别,在一定程度上保证了信息的完整性。具体取得了如下研究成果：1.针对C波段的雷达、单载波、干扰机、和单频点四类信号,利用主成分分析法,提取用于识别这四类信号的特征参数。2.利用各特征参数的熵权,给出了基于熵权法加权的模糊C均值聚类方法,进而提出了一种C波段无线电信号分类方法：3.设计了C波段无线电信号分类算法。