针对通信辐射源个体信号采集困难，可训练样本量少造成的通信辐射源个体识别准确率低的问题，提出了一种小样本条件下的通信辐射源个体识别方法。该方法使用MLSTM-FCN模型提取个体信号的指纹特征，并采用元学习策略对原型网络对进行训练学习，使得特征间的原型分布更为明显。实验结果表明，提出的小样本条件下的通信辐射源个体识别方法相较于其他识别方法识别效果更佳，在信噪比[10 dB,20 dB]情况下的平均识别准确率超过80%。