随着现代通信系统的不断发展,无线信号环境日益复杂,对无线频谱资源的需求逐渐增大。但现阶段无线频谱资源的分配,存在着严重的不平衡问题。某些频谱被严重地超负荷使用,存在大量的跨技术干扰问题,某些频谱被非法信号大规模占用,干扰了合法信号的正常传输,严重影响了通信质量。因此,进行频谱资源监管,规范无线电频谱的使用,是现阶段乃至下一代通信系统亟待解决的问题。而在混杂有多种电磁信号的无线环境中,对某频段下存在的可疑信号进行侦查和识别,是进行无线频谱监管的前提和基础。本文围绕电磁信号识别的课题展开研究,主要基于机器学习的方法,从信号检测和参数识别等多方面出发,完成了对未知无线信号中包含的电磁信号类型进行识别、对通信信号采用的QAM(Quadrature Amplitude Modulation)符号调制方式进行识别以及对雷达信号的调制参数进行估计的研究工作。首先,本文基于时频分析算法和目标检测技术提出了一种电磁信号类型识别方法。该方法对于未知的无线信号,首先通过时频分析得到信号的时频图像,然后创新性地利用YOLO(You Only Look Once)这一目标检测工具,对无线信号中存在的电磁信号类型进行检测,并获得指定信号所处的频段和时间位置。实验证明,该方法对于混合的通信信号和雷达信号具有良好的检测效果,并具有一定的抗噪声性能。对未知信号完成信号类型识别后,为进一步对通信信号中QAM符号的调制方式进行识别,本文设计了一套基于机器学习进行OFDM(Orthogonal Frequency Division Multiplexing)信号 QAM 制式识别的系统。该系统还创新性地提出了一种基于比值的信号预处理算法,可以抵消信号传输中的信道干扰。最终通过对比实验和实测实验,验证了该预处理算法和识别系统的有效性。对未知信号完成信号类型识别后,为进一步进行雷达信号调制参数的识别,本文基于图像处理算法,提出了一种可用于估计雷达信号脉冲占空比和调频斜率参数的方法。该方法通过对雷达信号的时频图像进行一系列处理,可以实现对雷达脉冲占空比、调频斜率两项参数的估计。通过实验证明,该方法在信号环境中存在噪声干扰时仍有较强可行性。