基本部分：1）生成單音干擾、多音干擾、寬帶噪聲干擾、部分頻帶噪聲干擾、寬帶梳狀譜干擾、線性調頻干擾等6 種通信干擾信號；2）選擇合適的特征參數，采用決策樹法實現對上述干擾信號的識別，高斯白噪聲信道，干噪比(JNR)為0~15dB，識別正確率大于95%。擴展部分：選擇合適的特征參數，采用NN 或者SVM 機器學習實現對上述干擾信號的識別，高斯白噪聲信道，干噪比(JNR)為0~15dB，識別正確率大于95%。 實驗主要完成了三部分工作。 1. 通信干擾信號的生成。對6種干擾信號進行了仿真。 2. 特征參數的提取和討論。對時域和頻域的參數進行了提取，分析了不同JNR下的參數變化趨勢，以及不同干擾信號