随着信息技术的飞速发展,各类电磁通讯设备不断更新迭代,通信信号体制与调制方式也越发复杂多样,通信信号处理方法亦层出不穷。在众多通信信号处理方法中,循环平稳信号处理技术因其纯粹、高效的处理手段脱颖而出,其最大优势是能在低信噪比环境下将噪声与信号进行有效分离。基于这一特点,本文围绕信号循环平稳特征开展信号检测及调制识别方面的研究。考虑到传统循环平稳特征检测及调制识别机制仍存在信号盲检测性能较弱、信号循环统计量表征复杂、信号循环平稳特征提取不全面等不足,本文做了以下相关工作:（1）针对传统循环特征检测在样本信号先验信息未知的情况下,存在检测性能较弱等不足。本文受常规波束形成器启发,在传统循环平稳特征检测方法的基础上引入了多天线波束形成技术,设计了一种基于多天线波束形成的循环平稳信号盲检测方法。该方法可在信号先验信息未知（循环周期）的情况下,在天线接收端通过波束形成技术对待检测信号进行盲检测处理,利用信号循环平稳特征计算循环统计量,最后依靠广义似然比检验对信号循环统计量进行判决。实验结果表明,该方法较经典方法具有更好的信号检测性能。（2）针对现有基于循环平稳特征的调制识别方法特征提取不全面、对抗噪声鲁棒性较差等弊端,本文讨论了一种基于深度残差网络与降噪循环谱图的信号识别方法。该方法通过维纳滤波对信号二维循环谱图像进行降噪预处理,并将处理后的循环谱图像输入修改好的50层残差网络模型进行特征提取并调制识别。实验结果表明,本文所讨论的方法可有效识别8种不同调制类型的循环平稳信号。在信噪比大于-2dB时,识别准确率可达96%,且识别性能优于现有的AlexNet、GoogleNet等经典深度学习识别算法。（3）在硬件方面,本文利用Zedboard+AD9361软件无线电平台搭建了一个循环平稳信号调制识别系统。该平台与配套硬件支持包相连接,对本文探讨的基于深度残差网络与降噪循环谱图的信号识别方法进行测试及验证。实验结果表明,该系统能够较好地完成信号识别任务,具有一定理论意义及潜在的实用价值。