通信信号的调制方式识别是截获信号处理领域的重要组成部分,它需要在复杂环境和有噪声干扰的条件下,不依赖于其它的先验知识,确定接收信号的调制方式,并提取相应的调制参数,为信号的进一步分析和处理提供依据。随着通信体制和信号调制方式的复杂化和多样化,通信环境日益复杂,使通信信号的调制方式识别成为军、民领域内十分重要的研究课题。近几十年来,人们在通信信号调制方式识别方面进行了大量的研究,并提出了许多新的方法和思路。本文在已有方法的基础上,重点对常用数字通信信号调制方式的自动识别进行研究。本文的主要工作和创新之处在于：首先,本文分析了常用数字调制信号的调制原理,并对基于希尔伯特变换的瞬时信息提取、常用的载波频率估计和码元速率估计方法进行了研究。其次,针对数字调制方式识别在低信噪比下的应用,本文对基于瞬时特征参数的数字调制方式识别算法进行了两点改进：首先设计一种小波滤波器,在信号的预处理阶段对瞬时信息进行小波消噪处理,减弱噪声的影响；另外从中频信号中提取五个相对简单的瞬时特征参数,改善算法的复杂度,简化识别过程。从而提高了算法在低信噪比下的识别性能。再次,本文在理论分析的基础上,提出了一种基于高阶累积量和星座图的联合数字调制方式识别算法。该算法针对较难识别的数字调制信号2FSK、4FSK和8PSK,将傅里叶变换与高阶累积量相结合,提取高性能的特征参数进行识别,同时采用改进的星座图聚类分析法提高MQAM信号的识别率。文中从理论上分析了该算法的有效性,并用计算机仿真验证了有效性。最后,为了改善数字调制方式识别在小样本下的识别效果,给出了一种基于高阶累积量和支持向量机的数字调制方式识别算法。该算法采用一对一的多类构造法,使用交叉验证网格搜索的方法进行参数选取,构建了稳健的多类支持向量机分类器,并利用高阶累积量域内构造的特征向量,进行数字调制信号的识别。仿真结果表明,与BP神经网络法相比,该算法具有更好的小样本识别性能和推广泛化能力。