随着无线通信技术的不断发展,通信环境也变得越来越复杂。通信信号在很宽的频带上采用各种调制样式。显然,采用不同调制样式的通信信号的调制参数也不完全相同。如何对这些信号进行有效地监视和识别,在很多领域都是十分重要的研究课题。通信信号自动调制识别的目的就是在未知调制信息的前提下,判断出信号的调制方式,并估计出信号的调制参数。本文所作的主要工作：1.介绍了高阶累积量的相关基础知识和本文所提取的特征参数的算法。针对本文所研究的七种通信调制信号,选取了一组基于通信信号时频特性的特征参数(γmax、σap、σdp、σaa、σaf、R、C42),通过实验证明了这一组特征参数能够有效地区分这七种通信调制信号。2.对邻域粗糙集理论进行了较详细的阐述,并阐述了用邻域粗糙集进行特征参数选择的算法。该算法既能处理离散型数据,又能直接处理连续型数据,而无需对其进行离散化处理,并且直观、易于理解。本文首次将邻域粗糙集模型应用于调制信号的识别研究上,并取得了较好的效果。3.设计采用BP神经网络作为分类器。对实际采集到的2ASK、BPSK、2FSK、4ASK、QPSK、4FSK、16QAM这七种信号进行识别实验。通过与邻域粗糙集约简前的BP网络和经典粗糙集可辨识矩阵的BP网络两种不同的识别方法的对比,表明本文提出的方法能得到较好的识别效果。