随着信号检测技术的不断发展,基于频谱分析的信号检测和识别方法越来越受到重视。其中循环谱分析法可从目标信号中提取重要信息,用于调制信号识别,可显著提高识别的准确度。但循环谱分析过程复杂,在实际程序化应用时,需要耗费大量的计算和存储资源,难以在嵌入式等资源受限的环境下广泛使用。为了解决在嵌入式、低信噪比和低采样因子条件下对调制信号处理时算法高复杂性的问题,本文在深入研究ASK、BPSK和GMSK调制信号的频谱特征函数基础上,首先给出了无噪声信号的循环谱图,在此基础上,进一步通过研究可变噪声、信噪比和采样因子等参数的调制信号循环谱峰值特征规律,建立了可变数据缩减条带谱相关算法（VDRSSCA,Variable Data Reduction Strip Spectral Correlation Algorithm）循环谱峰值特征分析仿真模型。在对特定参数的调制信号进行循环谱峰值特征分析前,首先研究设计了全面覆盖待识别信号峰值特征的信号源,并进行仿真验证,为循环谱峰值特征分析提供反向验证。通过详细分析循环谱的三维曲面图、等高线图和横截面图对混有噪声信号的循环谱峰值特征规律,建立了基于FAM和VDRSSCA算法的BPSK和GMSK调制信号循环谱分析仿真模型详细的结构,并推导出基于FAM和VDRSSCA算法的循环谱峰值特征函数。仿真和分析结果表明基于FAM算法的循环谱模型在对不同信号的循环谱进行分析时,存在峰值特征函数区分度不高的现象,而基于VDRSSCA算法的循环谱模型在分析不同信号时具有更加精细、辨识度高的循环谱峰值函数。在本文仿真条件下,FAM算法复杂度是VDRSSCA算法的3.6倍,说明相对于FAM算法,VDRSSCA算法的复杂度显著降低。VDRSSCA算法稳定度明显优于FAM算法,是FAM算法的3倍。结果表明所构建的VDRSSCA循环谱峰值特征分析在处理BPSK和GMSK信号时具有较好的稳定性和高效性。