在现代的军事中,军队的电子化程度越来越高,对通信系统的安全稳定性依赖也与日俱增,通信技术的对抗也占据了一块主要战场。电子战中敌方为了取得作战先机,常会主动实施人为干扰,影响或破坏我方通信系统,使我方在军事指挥和通信中处于不利地位。通信的准确、安全、迅速面临巨大挑战。而对于主动的人为干扰进行有效躲避和对抗,前提就是识别出干扰的类型。跳频通信具备良好的抗衰落、防干扰、防窃听等能力,是电子战中对抗电子干扰的主要方式之一,也是研究的热点。所以为了进一步提高跳频通信的抗干扰能力,本文针对干扰信号的识别进行了研究。主要内容包括:第一、研究了跳频系统和主动干扰的原理。建立跳频系统、带阻干扰、单音干扰、多音干扰、脉冲干扰、线性扫频干扰、跟踪干扰数学模型,分析干扰的主要参数,对各种干扰下的跳频信号进行仿真,研究受干扰信号的时域、频域特征。第二、将受干扰信号在各个变换域下,提取能量、时域峰平比、残余能量、频域峰度、频谱平坦度标准差、分数阶傅里叶变换能量聚集度特征参数,通过仿真得到不同干信比下各个特征参数的表现情况。并建立干扰信号与其对应特征库为分类做好数据集准备。第三、运用支持向量机、决策树、卷积神经网络分类器进行干扰识别。研究了各个分类器的原理,搭建分类器,在泛化数据集和针对性数据集下分别测试在不同信干比下各分类器的分类表现,总结不同分类器在研究成本以及分类等方面的利弊。第四、提出多分类器干扰分类方法。通过实验验证多分类器分类方法在支持向量机、决策树、卷积神经网络的识别率影响。支持向量机和卷积神经网络运用多分类器方案都取得了明显提升。第五、提出特征融合的干扰分类方法。通过实验调试不同的特征融合方法,调整特征融合的数量,最终验证了特征融合方法相对融合前的方法性能改进,在8d B信干比下能达到95%以上的识别正确率。本文研究了从特征提取到分类器的典型干扰分类手段,取得了良好的分类效果且新提出多分类器和特征融合方法思路,实验证明了方法的有效性,在其他分类识别场景也有极高的应用潜力。