本发明属于辐射源个体识别和人工智能的交叉技术领域，具体涉及一种基于孪生网络的小样本辐射源个体识别方法，适用于小样本条件下的辐射源个体识别。在很难获取大批量标注的信号样本数据时，导致辐射源个体识别数据量少，采用深度学习方法容易过拟合，分类表现很差。因此，为提升小样本条件下的辐射源个体识别效果，本发明提出了一种利用辐射源个体识别时域数据，并在孪生网络损失函数基础上进一步优化损失函数，引入了交叉熵损失函数，既考虑了不同样本间的距离关系，即聚类损失，也考虑了样本的分类损失，同时使其训练过程更稳定。并经过实验对比，证明了本发明更适用于小样本条件下的辐射源分类识别任务，弥补了原有方法的不足，识别效果更优。