数字通信的快速发展形成了多种通信体制并存的局面,这些通信体制的调制方式和接入技术各不相同,这给多体制间的通信互联带来了很大的障碍;而通信业务种类和业务量的不断增加,使得正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)以其高频带利用率、强抗干扰能力等优势,在通信领域得到了广泛的应用。这样,对于OFDM信号识别的研究成为一个急需解决的问题。本文针对现有论文对OFDM信号识别研究少、研究很少涉及到多径环境下的信号识别、传统分类器不适合小样本情况、以及在多径下传统分类器的识别率很低的问题,对信号在多径信道、低信噪比下,基于支持向量机(Support Vector Machine,SVM)的OFDM信号的识别技术进行了深入的研究。对于SVM分类器,特征向量的选取对它的性能影响具有核心的影响作用,本文主要对高阶累积量、小波分解的特征提取方法应用于SVM进行了探讨。本文将支持向量机应用在多径环境下的通信信号识别上,并将三阶累积量、及高阶累积量和小波分解的组合作为特征向量应用于支持向量机的分类器中;另外,本文给出了一种新型的支持向量机应用于信号识别上,并用禁忌搜索算法对它进行了实现。仿真结果表明,新给出的特征参数和新型SVM都取得了良好效果。