随着科学技术的飞速发展,出现了越来越多而且越来越复杂的调制信号方式,如何有效地识别信号的调制方式,这在通信领域一直是一项很有挑战性的研究方向。自动调制体制识别可以认为是没有信号先验信息或先验信息几乎为零的条件下,对来自存在噪声以及其他干扰的接收信号进行调制体制方式的识别。本论文主要是采用三种方法对不同信噪比下的数字信号进行了调制识别研究,分别是短时傅里叶变换方法和AP聚类算法相结合的方式、非负矩阵分解与AP聚类算法相结合的方式、以及非负矩阵分解与LVQ神经网络相结合的方式。短时傅里叶变换可以同时体现信号的时域和频域特性,因此我们可以根据短时傅里叶变换后的谱图对信号进行分析；非负矩阵分解自从提出以来,已经广泛应用于图像处理、生物医学、文本分类等领域,本文运用非负矩阵分解通过降维提取信息特征的能力来提取信号的特征；AP聚类算法处理大数据时运算速度快而且聚类效果好,基于此特点我们采用半监督的AP聚类算法对提取的特征进行分类识别；由于神经网络自身的强大自学习能力、泛化能力以及处理非线性数据的能力,我们这里也对神经网络的分类能力进行了研究。经过MATLAB仿真验证,结果表明这些方法有良好的识别性能。