随着人类进入空间、利用空间的能力不断增强，空间对国家在政治、经济、军事等领域内战略利益的影响日益突出。世界各国都特别重视发展自己的空间目标监测技术，对空间目标进行全天候、不间断的探测、跟踪和识别，准确掌握和实时提供空间态势，以便在空间对抗中掌握主动权，同时保障有效空间目标的安全，以适应未来空间发展的迫切需要。本文主要针对有效空间目标的无线电信号侦测技术展开深入研究，以解决目前相对比较成熟的光学探测设备、雷达探测器等地基监测网的基本设备难以完成的天基空间目标检测的问题。由于各类空间无线电信号的通信体制和编码特点的不同，对各类空间目标利用无线电信号的时域、频域及其它变换域的射频特征、调制特征、编码特征等进行分析、提取和融合判别，从而实现对空间目标的监测、跟踪及识别。　　首先，本文分析了下一代空间飞行器的通信体制，针对下一代主要采用的CDMA通信体制进行了信号检测和参数估计的研究，提出了采用改进的循环谱估计算法来完成空间通信信号的检测和参数估计。深入分析了空间通信信号的循环谱密度函数、谱相关系数、循环自相关函数特性，以及采用循环谱密度函数进行信号检测、载频估计、伪码速率估计的基本原理，并提出借助FFT快速算法，来估计循环谱密度，减小了计算量和存储空间，提高运算精确度。在数据处理的过程中，采用分段处理集平均的方法，使特征谱线更突出，更易于检测出来，使参数估计在相同精度的条件下信噪比容限大约提高了2～3 dB。　　其次，本文对无线电信号的调制特征进行了识别研究。为了寻找一种具有较高识别率和抗噪性的信号识别方法，本文提出了基于小波特征提取和一类支持向量机的贝叶斯分类器的目标识别算法。即首先将一类支持向量机应用于概率密度估计，并且证明了这种估计的有效性。同时利用得到的概率密度函数构造二分类及多分类贝叶斯分类器。然后提出了将对噪声变化敏感度低、有良好局部特性和去噪性能的多分辨率小波特征作为调制识别分类特征。将提出的算法应用于空间目标信号识别实验中，它可以采用相对较少的训练序列完成学习过程，对随后的大量数据进行判决，泛化能力和分类识别率明显优于人工神经网络分类器。仿真结果表明，提出的算法的空间目标信号识别能力不低于传统支持向量机算法，同时本算法在训练时所需的运算量远远小于传统SVM算法，有效提高了训练速度。　　同时，针对无线电信号的调制特征，本文还提出了基于ART2A-E神经网络的空间目标识别器。ART网络及其算法在适应新的输入模式方面具有较大的灵活性，同时能够避免对网络先前训练结果的修改，较好地解决了稳定性和灵活性兼顾问题。通过仿真结果可知在保证较高识别率的前提下识别器可扩展性大大提高，能够识别未训练调制制式且不覆盖以前记忆的调制类型信息，具有自归类能力，学习速度快，且在保证一定特征差别基础上，识别器具有噪声鲁棒性。　　最后，在现有器件条件的基础上，设计并实现了一个基于软件无线电技术的空间目标识别系统实验平台。通过接收机前端中频数字化采样模块，实现了各种模拟和数字调制信号的中频数字化采集。同时针对采集到的各种信号，进行了参数估计和调制方式识别实验。从实验结果来看，本文所提出的基于循环谱密度的无线电信号检测及参数估计的方法、以及基于SVM和ART分类器的调制识别方法，都获得很好的性能指标，对于空间目标的监测、跟踪及识别具有重要的意义。