调制信号识别作为信号检测和信号解调之间的重要环节,其目的为在没有先验知识的情况下,通过对接收信号的处理判断出信号的调制方式。其在军用和民用通信各领域的广泛的应用范围和应用前景赋予其极大地研究价值。随着数字通信技术的日益发展、通信信号的体制与调制样式的日益复杂与多样化,接收信号的调制方式的确定作为信号解调的基础显得尤为重要,但也因此而越来越困难。近数十年以来,国内外众多学者在通信信号调制识别领域进行了大量的探索,取得了卓著的成就,提出了很多很有价值的识别算法。许多经典的算法具有其特有的优势但也有其局限性,例如对先验知识的依赖,对信噪比的适应性较差及适用范围小等等问题。而如何尽可能地克服这些缺点也正是本文的研究目标与主题思路。本文以多种信号类型作为研究对象,涉及14种数字调制信号:BPSK,QPSK,OQPSK,8PSK,16PSK,2ASK,4ASK,16QAM,32QAM,64QAM,128QAM,256QAM,2FSK,MSK;5种模拟调制信号:AM,DSB,USB,LSB,FM以及纯载波CW,共20种信号。寻找各类信号合适的特征参数或统计特性作为识别依据是各类调制识别算法的核心内容。本文主要基于各类信号的结构特征提取特征。基于对各信号结构特征的分析,根据各特征的独有性或共有性可以确定相对最优的识别层次和顺序,并以此建立针对此20种信号的自动识别算法的树状分类结构,以逐层判决、从大类到小类的思路进行识别。对于特征参数,文中主要从码元特征、频域特征、星座图特征等方面对信号结构特性进行分析,涉及信号时域码元变换时刻提取、频谱及高次方谱单峰存在性判决、功率谱谱峰数判断、频谱对称性判断等内容。除基于特征参数的门限判决外,算法还涉及基于聚类的星座图匹配算法,为此文中介绍了最为适宜的划分型聚类算法并对最常用的HCM算法及其改进FCM算法进行了详尽的说明,最终选取了进一步改进后的FCM聚类算法对接收信号序列进行聚类分析,在较高信噪比条件下能够得到较为准确的信号星座图,继而通过与标准星座图的匹配得到信号的调制类型。针对各阶,尤其是高阶QAM调制信号的识别,聚类匹配算法极易受噪声影响,因此该算法只能在较高信噪比条件下取得较好的性能。为扩大适用范围,本文提出了针对较低信噪比QAM调制信号的基于特征分解与多项式拟合的信噪比估计匹配的识别算法,并结合针对高信噪比信号的基于星座图聚类匹配的识别算法形成了基于信噪比估计值进行算法选择的整体算法结构,扩大了适用范围。