本文主要侧重于讨论小波变换在信号识别、参数估计等方面的应用。主要研究了连续Morlet小波变换的应用，以及利用Daubechies小波分解提取小波细节特征向量进行信号识别的研究。其主要内容为以下几个方面：研究了数字调制信号的连续小波变换方法，通过渐进逼近理论的平稳相位法近似获取数字调相PSK与数字调频FSK信号的小波脊线，得到信号的瞬时频率特征，进而利用数字调相PSK信号类与数字调频FSK信号类的不同瞬时频率特征进行调制信号的类间识别，估计信号的频率与码速，并进行了一些改进。进而研究了FSK与PSK信号类的类内识别。对于FSK信号，利用其不同频率的个数可以完成其类内识别，而PSK信号则可以利用它的相位突变信息进行类内识别。由于进制的数字调相信号每个子码间具有个相位突变，其相位突变的峰值满足一个概率密度为的分布，若信号为元PSK信号，则相位突变峰值的概率密度函数就是个概率密度之和的平均。于是可利用相位突变峰值的似然函数来识别信号为哪一种进制的PSK信号。为了更好的识别与提取信号参数，作者还进行了大量的公式推导与实验仿真研究了小波参数的变化对信号处理的影响。基于小波的多分辨率特性，在本文中利用小波分解获取信号在不同分解水平下的细节信息，将这些细节信息构成特征向量，由于不同信号类别具有不同的细节信息，于是可以将这些特征向量通过径向基函数（RBF）神经网络进行训练与识别数字调制信号。同时，对研究的方法进行了大量的模拟实验，证实了方法的有效性。