通信信号调制模式识别广泛应用于信号确认，干扰辨识，无线电侦听，电子对抗和信号检测等领域。通信信号的调制主要分为两大类：模拟调制信号和数字调制信号。本文主要针对数字调制信号的调制方式自动识别进行研究。针对比较常用的6种数字通信调制信号，首先介绍了用于区分这些信号的特征参数的提取，提取方法包括比较常用的基于时频分析法、高阶累积量等，并对不同的信号特征参数提取方式进行分析比较。然后着手于高精确率、高速度和高稳定性的自动识别调制信号的分类器设计。分类器的设计理论主要有决策树、支持向量机（SVM）和神经网络等。考虑到常用的决策树识别节点过多和支持向量机（SVM）识别处理多类问题分类繁琐，而神经网络在实际应用中容易陷入局部极小值的问题，特引入了在函数优化、数据挖掘等方面具有突出优势的混沌粒子群算法来对以上常用分类器设计算法的关键参数选择进行择优提取，极大地改进了这些传统分类器算法的准确度，体现了较好的效果。在信噪比取5%、10%、15%的情况下,对六种数字调制信号分别采用传统分类器算法和混沌粒子群算法优化改进后的分类器算法进行MATLAB仿真分析，根据仿真结果，优化后的传统算法有了较好的改进效果。