随着通信技术的发展,数字通信在日常生活和工作中扮演着越来越重要的角色。信号调制是通信领域中至关重要的技术,是信号发射、传送和接收的基础环节。当前调制类型的识别已成为通信领域的研究课题,其中信号自动调制识别更是成为目前调制识别领域的热点研究课题。数字调制类型的识别主要应用于数字确认、干扰辨别、无线电侦听、电子对抗和软件无线电等领域。不论在军用方面还是民用方面通信信号的调制识别都有着及其重要的应用。在军事信号侦查方面,信号的识别应用极为广泛,其应用范围主要有信号诊断,信号监听和信号辨认等方面。在民用方面通信号调制识别主要应用于无线电频谱的管理。伴随着软件无线电技术的崛起,信号自动调制识别技术显得越来越重要。本文首先对信号调制识别基础理论进行了阐述与仿真,其次本文对高阶累积量的基础理论知识进行了阐述,在信号特征值提取细节方面也做了较详细的阐述与仿真。最后本文提出了两种信号调制识别算法：在已知信噪比情况下,运用多分类神经网络自动调制识别算法和在未知信噪比情况下,混合神经网络自动调制识别算法。通过两种方法的比较可以看出噪声对信号调制识别的影响,同时本文加入了高阶累积量特征参数,减小了噪声对信号识别的干扰,提高了信号识别率。从实验结果可以看出运用混合调制识别方法,对数字信号调制识别率有很大的提高。本文的工作主要有：1.对几种常见的数字信号调制原理进行了阐述,其中加入了正交振幅调制信号(MQAM),并对这几种常见的数字信号的时频特性进行了分析与仿真。2.介绍了高阶累积量的基本理论知识与特征提取的基本方法。首先阐述了信号的各阶高阶矩与高阶累积量。其次对信号的瞬时特征参数进行了介绍,主要分析了信号的幅度、频率和相位。并且对信号瞬时特征进行了仿真分析。3.主要阐述了数字信号特征提取的算法。然后根据每种调制信号调制方式的不同,提出了用于信号自动调制识别的七个特征值。其次详细的阐述了信号特征提取中的注意事项。4.主要阐述了运用神经网络进行信号的调制识别算法的研究。首先介绍了神经网络的基础知识,其中着重阐述了BP神经网络基本概念与基础知识。提出了改进后的BP神经网络。最后基于改进的BP神经网络,提出了多分类神经网络和混合神经网络两种模式。分别在已知信号的信噪比情况下运用多分类神经网络和未知信噪比情况下运用混合神经网络对数字调制信号进行了识别研究和实验仿真。通过对这两种方法的比较,一方面证明了噪声对信号调制识别的影响。另一方面表明在未知信噪比情况下,加入高阶累积量能够有效地提高信号的识别率。实验证明该方法具有识别率高,可行性好等优点。