通信信号识别是当今的热门课题,作为信息领域的一大热点,在军事和民用多方面已经有了广泛的应用。信号识别以及对信号的各种特征进行提取分析的研究,是密码破译、模式识别、跟踪导航等技术的基础。与发展较早的雷达信号识别不同,普通通信电台的信号识别起步较晚,且研究成果并没有前者那样丰富、深入、多样。针对此现象,本文对普通通信电台的信号进行识别,主要包括应用较为广泛的FSK和PSK信号。本文首先运用希尔伯特变换和小波变换结合的方式对特定信号进行识别,与单独使用希尔伯特变换的方法进行对比。通过仿真实验进行结果比较得出使用希尔伯特变换和小波变换结合的方式能更好的进行信号识别。在信号的常规特征分析中,主要对信号的载频偏差、信号的调制参数进行研究。在载频偏差方面,利用一种基于改进的相位拟合法估计载频偏差的方法对信号的载频偏差进行估计,并利用仿真实验得出信号的载频偏差估计,与实际载波频率进行比较,得出误差。在信号的调制参数方面,主要对FSK信号和PSK信号的码速率进行研究分析。对于FSK信号,本文采用基于STFT时频能量分布和小波分析的码速率估计方法对FSK信号的码速率进行估计,并通过仿真实验得出码速率估计。在一定条件下,利用FSK电台取得的数据,得到对应码速率特征分类图,得出码速率特征的聚类性较好的结论。对于PSK信号,本文采用基于小波变换自相关法的码速率估计方法对PSK信号的码速率进行估计,并通过仿真实验得出码速率估计。在一定条件下,利用PSK电台取得的数据,得到对应码速率特征分类图,得出码速率特征的聚类性较好的结论。利用以上的常规特征,进行细微特征集的定义。对特征集采用基于邻域粗糙集的方法,进行特征集的构造,并采用一种利用“基于变精度邻域粗糙集特征选择”对特征子集进行评价的方法,对常规特征进行重要度评估。通过仿真实验,得出特征重要度评估结果。最后进行组合分类器的设计。在SVM分类器设计中,将各特征重要度作为权值构造加权特征,利用各特征的重要度设计了加权投票组合分类器。通过仿真实验发现,与单个分类器相比,基于加权投票组合分类器的效果更好。