短波通信电台的特征识别是对信号进行盲分析、侦查与反侦查和模式识别领域的一个重要研究课题。短波通信具有通信距离远、抗毁能力强、机动灵活、网络重构便捷等优点,是军事和应急通信的重要手段。短波信号虽然也可以用地面波的形式传播,但此时距离受限,因此,主要依靠天波的形式传播。由于信号的长距离传输需要依靠不稳定的大气电离层反射电波进行传播,短波信道具有多径传播、时变色散、衰落严重、干扰复杂等特点。目前,随着无线通信的飞速发展,短波频段日益拥挤,其面临的电磁环境不断恶化,而面对近来日趋复杂的短波通信环境,要有效地监视和识别不同的短波电台,关键在于对短波通信电台信号特征的准确地识别。本论文的研究成果主要体现在以下几个方面:(1)研究了如何根据对短波电台信号本身的特征和信道对信号影响来识别不同的短波电台信号;(2)分析了如何获取短波电台发射机的细微特征,其中包括杂散特征和高阶统计量特征。根据对杂散特征识别效果的分析,高阶J特征和LZC聚类法的分类效果最好,而盒维数和信息维数的效果则次之,此外高阶统计量特征的包络峰度也有很好的聚类效果;(3)为分析短波信道的优劣和相关特性对信号识别的影响,研究了如何构建一个基于Watterson模型的短波通信仿真平台,介绍了Watterson模型的原理和仿真平台的系统架构,通过仿真实验分析了多普勒频移、多径时延和AWGN噪声对短波信号的影响;(4)为了更好地实现对短波通信电台的个体识别,本文提出了一种利用基于K近邻估计和SVM分类器组合分类的短波信号识别算法,该算法采用模式识别领域先进组合器分类算法,识别效果达到了预定的识别要求;(5)远距离的短波通信的主要传播路径依靠天波,但电离层是不稳定的,具有昼夜、季节、太阳黑子周期、经纬度等多种变化,本文提出了一种结合VOACAP预测软件的短波电台特征动态识别算法,通过测试仿真数据对相关参数进行优化,使得识别系统能够动态适应电离层的变化,维持一个较高的识别率。