通信信号的自动调制识别与参数估计是现代通信技术的关键技术,应用在协作通信和非协作通信领域。因为电磁环境日益复杂,要进一步发展通信技术就需要进一步研究调制识别和参数估计技术以适应当今的复杂环境。随着时代的发展,信号的调制模式识别也必将由经验识别向自动调制模式识别转变。本文首先研究了通信信号的参数估计方法,对几种传统的参数估计方法进行了还原,如载波估计中的频域居中法和循环谱分析法,星座图还原算法,频偏估计算法和相偏估计算法。以获得信号调制类型为目标,研究了不同参数估计算法并分析了优缺点。为后文研究基于特征参数提取的调制模式识别算法研究做铺垫。其次本文研究了特征参数提取的调制模式识别算法,还原了此类算法中较为有代表性的基于星座图的调制模式识别算法和基于高阶累积量的调制模式识别算法,讨论特征参数和分类器选择与识别范围及抗噪能力的关系,发现其识别范围有限及抗噪能力差等缺点,由此提出了以下两种新算法。算法一为基于块状特征矩阵的调制模式识别算法,针对包括PSK、FSK、ASK、QAM等调制模式,将信号分帧,提取每一帧中信号的瞬时相位、最高频率、短时能量等特征量,最后组成特征向量,多帧的信号组成一个特征矩阵,将这个特征矩阵送入卷积神经网络进行识别,来确定信号调制模式。仿真实验证明,在识别率达到90%以上时本文所提算法比高阶累积量方法信噪比要求降低了1.5d B左右,比星座图法信噪比要求降低了3d B左右。算法二为幅度相位分步识别的调制模式识别算法算法。虽然算法一能对多种信号进行识别,但对于QAM信号的识别性能不好,于是后面本文补充提出算法二。该算法只针对QAM信号,利用卷积神经网络和减法聚类,对信号的幅度和相位进行分步识别。该方法不依赖于信号的频偏消除和相偏消除,所以能够起到很好的抗频偏作用。其次因为没有了频偏消除和相偏消除的步骤,所以也让信号不至于在频偏消除和相偏消除等预处理过程中损失信息量。仿真实验证明,幅度相位分步识别的识别算法比起基于星座图的卷积神经网络算法在抗频偏能力上有了提高。同时在识别率达到90%以上时本文所提算法比星座图法信噪比要求降低了3d B左右。