通信辐射源识别是当前信息对抗领域中的一个重要研究课题,它主要根据信号指纹来判断信号来自哪一部信号发射机,实现对其进行锁定、追踪、监视、电子干扰甚至军事打击的目的。与传统通信信号研究方向不同,通信辐射源识别主要研究同类型甚至同批次发射机之间的细微差别并提取分析。作为通信辐射源识别的重要判别依据,信号指纹是分类过程中的最关键部分之一。然而,当前信号指纹的种类繁多、提取方式各异、分类效果不尽相同,于是对信号指纹特征属性的选择和组合方式便成为一大难题。本文采用邻域粗糙集理论,克服了传统粗糙集理论只能处理离散型数据的问题,在此基础上,由约简和决策正域的概念出发,对由多种信号指纹组成的特征集进行约简,得到优化特征子集,并且通过邻域粗糙集分类器对外场实测电台数据进行实验,结果表明,约简后特征集维数大幅减少,且能达到相似于甚至优于原特征集的分类效果。本论文的主要工作包括：①提取出多种信号指纹,将信号指纹与邻域粗糙集理论相结合,采用基于邻域粗糙集模型的信号指纹属性约简算法,解决经典粗糙集不能处理连续型数据的问题,实现多种信号指纹的组合与选择；②设计实验,并通过仿真实现基于邻域粗糙集的属性约简操作,通过对约简集合采用邻域粗糙集分类器,证明实验设计的可行性及有效性。③采用实测信号数据,根据实验仿真结果,对多种约简算法进行比较,并对分类器识别结果进行分析。