在通信系统的接收端,信号的调制识别非常关键,该过程判决出接收信号的调制类型,对信号的一些后续处理有至关重要的意义,在民用通信和军事通信中应用非常普遍。传统的数字调制信号识别方法多将高斯噪声作为噪声模型,而实际环境中存在的噪声往往具有尖峰、脉冲突发性质,这类噪声最显著的特征是其代数尾部比高斯分布的指数尾部更厚,并且其概率密度函数的幅度明显高于高斯分布的幅度,然而利用单一的高斯分布模型并不能充分描述这类脉冲噪声。理论研究已经证实,Alpha稳定分布所表现的特殊性质可以有效的描述现实情境中出现的噪声,所以对该模型下的调制识别课题做研究更具有实践意义,而难点在于目前针对Alpha稳定分布噪声衰落信道下的识别方法的研究非常少,并且没有很好的识别性能。基于上述问题,本文对Alpha稳定分布噪声和频率选择性信道影响下的调制识别课题做出研究,重点研究内容如下:在Alpha稳定分布噪声下,提出了一种基于信号的分数低阶模糊函数的多普勒频移为零的切面的调制识别方法。该方法首先求得信号的分数低阶模糊函数;然后截取分数低阶模糊函数多普勒频移为零的切面,并将该切面转化为图像且以某种颜色填充该图像边缘下方,使其成为具有颜色的图像;经过一系列的图像处理过程之后,求取图像的形状信息作为特征向量,最后通过概率神经网络处理输入的特征样本,实现通信信号的调制识别。对该方法进行MATLAB编程实现,仿真结果表明,在广义信噪比为8dB时,备选集合中每个信号类型的正确识别率均不低于95%,且该方法在Alpha稳定分布噪声频率选择性信道下的正确识别率并未明显下降,表明该方法还可以对抗多径带来的影响。以Alpha稳定分布作为加性噪声的模型,提出了一种基于复合假设检验的信号调制识别方法,在频率选择性衰落信道下,将信号的分类识别过程描述为一个复合假设检验模型。该方法首先利用核密度估计算法估计出Alpha稳定分布噪声的概率密度函数,然后采用期望条件最大化(ECM)算法估计信道参数,根据所估计的噪声概率密度函数和信道参数对每类信号构造对数似然函数,并利用复合假设检验进行调制信号的识别,将使对数似然函数最大的假设所对应的调制方式判断为信号类型。对该方法进行MATLAB编程实现,仿真结果表明,在广义信噪比为10dB时,备选集合中每个信号类型的正确识别率均不低于90%,证明该方法的信号分类正确识别率较高,具有稳健性。