通信信号调制样式的自动识别是非协作通信中的主要问题，也是软件无线电接收机必备的功能之一。调制识别技术是近年来信号处理领域研究的热点问题，在军事和民用领域都具有重要的应用前景。随着通信技术的飞速发展，通信信号的体制和调制样式变得更加复杂多样，使得常规识别方法和理论无法有效地对通信信号进行识别，这也给通信信号的识别研究提出了更高的要求。　　调制识别是获取通信信号信息内容的前提条件。本文针对AM、DSB、LSB、FM、2FSK、4FSK、MSK、BPSK、QPSK等常用调制类型的识别问题，尤其是在低信噪比下的识别进行了深入的研究和探索。论文以通信信号的统计特性为基础，采用了基于人工神经网络的统计模式识别方案。该方案的特点是，识别无须任何先验知识，识别的调制类型多，识别的正确率高，达到了自动分类识别的目的，并有利于实现识别的实时化。论文主要内容可概括如下：　　首先，研究了人工神经网络模式识别的方法及特点。对本文所采用的MLP神经网络结构和数学模型进行介绍和分析，针对BP算法神经网络存在的缺点提出了改进的弹性BP算法，并对神经网络的泛化能力进行优化提高。其次,提取了用于神经网络模式识别的特征集。介绍了常用的通信信号,包括模拟调制样式和数字调制样式的时域、频域特征，提取了基于信号的瞬时幅度、瞬时相位、瞬时频率以及功率谱的9个特征参数，用于区分AM、DSB、LSB、FM、2FSK、4FSK、MSK、BPSK、QPSK这9种调制信号。　　再次，通过对决策树判决的分析，设计了分层结构的神经网络分类器，并通过改进学习算法、神经网络结构等大大加快了神经网络的收敛速度，提高了正确识别率。同时还分析研究了通信信号载波频率、码速率的估计问题。本文通过仿真验证了上述调制方式的自动识别，在信噪比SNR≥4dB时，正确识别率可达到95％以上。仿真结果表明，提出的方法在低信噪比下有较好的识别性能，为进一步研究非协作通信和软件无线电奠定了基础。