Un Racon est un transpondeur maritime pour l’aide à la navigation. Il réagit aux sollicitations des radars des navires et transmet des informations de cap, de danger, etc. Or, les performances d’un Racon se détériorent dans des zones très fréquentées où tous les navires ne reçoivent pas les informations requises. Dans cette thèse, nous implémentons des algorithmes d’apprentissage non supervisé afin que, sans connaissance a priori, un Racon caractérise son environnement. Une base de données de signaux radar est générée en s’appuyant sur les fiches techniques des différents radars maritimes civils existants. Dans un premier temps, les algorithmes commencent par regrouper en clusters les impulsions détectées selon leurs paramètres primaires. Puis, les impulsions détectées sont séquencées en fonction de leur différence de temps d’arrivée. Enfin, grâce à nos connaissances générales sur les radars, nous reconstruisons les signatures des radars. Afin d’évaluer les performances, nous avons simulé des scénarios avec différents radars, de tous types de technologie, autour d’un Racon. Les résultats obtenus montrent que nous parvenons à caractériser les radars environnants un Racon et à différencier les radars ayant une signature identique.