信号调制方式的自动识别是检测到信号之后,进行信号解调之前的一个重要步骤,在民用和军用通信领域均发挥着举足轻重的作用。结合国内外文献资料,类间信号调制分类已经取得了不错的效果,但高阶信号的类内分类还存在一系列问题。传统的对高阶信号进行类内分类的方法主要是采取高阶累积量的方法,因为高阶累积量可以非常有效地抑制高斯噪声的影响。然而,传统的高阶累积量方法存在以下几个问题:1)算法计算复杂度高。随着信号调制阶数的增加,需要计算的累积量的阶数就越高。2)对各类信道鲁棒性差。3)需要的信号码元数多。基于上述问题,本文以高阶累积量为基础,提出了一种基于高阶累积量和拟合优度检验的调制信号分类方法。结合两种方法优点,包括高阶累积量可以有效的抑制高斯噪声影响以及拟合优度检验计算复杂度低、对各类信道鲁棒性强的特点。首先,使用高阶累积量,利用其特性完成信号类间分类。然后,使用拟合优度检验方法完成高阶信号类内分类。本文采取的拟合优度检验方式是以统计学中Kolmogorov-Smirnov(K-S)检验为基础。将K-S检验中利用接收信号的经验累积分布函数(ECDFs)与各种不同候选调制方式下信号的累积分布函数(CDFs)之差最大值的最小值作为输出判决,改为利用经验累积分布函数与各个调制方式下累积分布函数之差的均方积分来寻找最优拟合曲线,以避免极端值的影响。此外,为了减少K-S检验对分布的首尾不太敏感而造成的误差,在改进的算法中对首尾给予了更多的权重。大量实验仿真结果表明,与基于高阶累积量的分类器或者基于K-S的分类器相比,本文提出的结合两种分类方法优点的改进的分类算法在不同信道(包括AWGN信道,衰落信号,含有频移相移的衰落信道)、不同信噪比下对M-QAM和M-PSK调制信号分类效果良好,且分类需要的信号码元数更少,仅需要100个码元即可达到良好的分类结果,对各类信道具有良好的鲁棒性。