随着无线通信技术的迅猛发展,通信信号在宽频带上采用地调制模式种类也愈加丰富,通信环境日益复杂。对某一传输信号调制模式的确定,是对其进行自适应接收处理的前提条件,因此对于具有多模式、多速率、多信道接收功能的软件无线电接收机,信号调制模式自动识别便成为其必备的功能之一。本文以NSAF国家自然基金联合基金项目为背景,在信噪比变化范围较大的实验条件下,对该项技术进行深入研究。　　 鉴于信号周期谱相关函数具有很强的抗干扰能力,而信号的小波变换可以很好的反映信号的时频局部特性,本文分别应用以上两种方法对AM、PM、MSK、BPSK、QPSK、2FSK、4FSK七种无线信号进行特征参数提取。利用RBF神经网络设计分类器,充分发挥了神经网络自学习、自适应、容错性等特点实现识别的自动化和智能化。　　 本文首先以谱相关理论结合RBF神经网络构造调制信号识别分类算法,并在此算法基础上对RBF神经网络分类器进行改进从而得到改进算法,使用MATLAB软件对完成上述理论的验证和仿真,并将两种识别算法的识别准确率进行了对比。通过仿真可知,本文两种算法均可在特定的实验环境下很好的实现无线信号的分类,然而相比之下第二种算法的识别精度更高。