通信电台个体识别技术作为通信对抗领域的一个重要研究课题,受到国内外研究者的广泛关注。由于不同电台内部器件的细微差异,导致其以幅度、频率和相位的表现形式附加在发射信号上。电台个体识别技术就是通过从截获信号中提取能表征电台身份的特征信息,判断信号来自哪一个电台,从而实现对电台的分析,跟踪,定位以及精确打击。本文在深入分析电台个体特征的产生机理之后,针对电台在稳态情况下,采用基于希尔伯特-黄变换(HHT)边际谱的分形特征方法提取信号在频率方面表现出的个体特征。该方法首先采用基于经验模态分解(EMD)的希尔伯特-黄变换(HHT)算法提取信号的边际谱,然后采用分形维数提取边际谱中附带的特征信息。该方法能够较好的解决现有的谱对称算法中存在的特征点分布聚集度较差以及精度不高,时效性较差等问题。实验结果表明采用基于希尔伯特-黄变换(HHT)边际谱的分形特征方法能够获得良好的特征点聚集性。当边际谱的分辨率降低时,仍然能够达到较好地识别效果,并且能够在一定程度上提高算法的时效性。最后,本文采用了基于OAO算法的多类别支撑向量机分类器对提取的特征向量进行分类,实验结果证明该分类器能够达到较好的效果。