当前,通信技术发展迅速,通信环境也变得越来越复杂,在如此复杂的通信环境下,为了保证通信双方能够准确安全并且高效的传递信息,通信信号采用了不同的调制制式。通信信号的识别在信号分析领域占有重要地位,其主要目标是在有噪声干扰和信号环境多样化的前提下确定出接收信号的调制制式,为信号的进一步分析和处理奠定基础。论文的主要工作及成果如下:1、介绍了2ASK、4ASK、2FSK、4FSK、BPSK、QPSK六种数字调制信号时域、频域的特点,分析了其功率谱的差异。2、根据调制信号的特点,从其瞬时幅度、瞬时频率、瞬时相位出发,提取出了5种可将各调制信号区分开来的特征参数,并对其进行改进以提高区分度。3、重点分析了符号数和过采样比对调制信号识别结果的影响,从仿真实验的角度出发,阐明了本文选取符号数2048,过采样比为8的合理性。4、分别阐述了BP神经网络,RBF神经网络,PNN神经网络以及支持向量机的原理及拓扑结构,从理论上证明了将神经网络用于调制信号识别的可行性。5、在MATLAB平台上,分别用传统决策论法,BP神经网络,RBF神经网络,PNN神经网络以及支持向量机成功完成了对上述六类信号的分类识别,并在信噪比为-3dB,5d B,10dB条件下进行了仿真试验和结果分析,实验结果证明,除传统决策论法要求信噪比大于10dB以外,三种神经网络和支持向量机分类器在信噪比大于5dB时,均能比较准确的识别出六类调制信号,达到了调制信号分类识别的目的。最终本文给出了神经网络和支持向量机用于数字调制信号分类的特点和差异,同时对比了BP,RBF,PNN三种神经网络之间的性能和特点,为工程应用从理论和实践上提供了参考基础。