伴随着对频谱使用需求的不断增加以及由静态频谱分配策略造成的频谱利用率低下，认知无线电(CR:Cognitive Radio)被提出且被认为是一种能够解决频谱资源日益短缺问题的前景技术。认知无线电是一种智能无线通信系统，它能调整无线频谱的使用以适应于自身的实际运行环境。这种频谱接入的机会主义策略取决于频谱意识。频谱意识是认知无线电技术的一个显著特点。在认知无线电中要实现频谱意识就需要有能力识别接收信号的调制类型。自动调制分类在认知无线电中发挥着重要的作用，它能防止针对授权用户的有害干扰并且改善频谱的利用效率。　　 本文主要探讨基于特征方法的自动调制分类算法，它们被用于在认知无线电中区分不同数字调制类型的信号。本文的研究旨在通过引入压缩感知技术发展一种健壮的调制识别方法。主要内容如下：⑴针对新兴无线电技术带来的新挑战，提出了一种新的特征用于AMC算法。所采用的特征是基于高阶谱分析。本文的AMC算法提取接收信号高分辨性的双谱作为信号的特征用于调制识别。⑵研究了高维度特征直接用于信号的调制识别问题，提出了一种新颖的调制分类算法（Bi-SR算法）。该方法组合了高阶谱分析与信号稀疏表示。Bi-SR算法将调制识别问题转化为寻找一个测试双谱特征在训练样本集中的稀疏表示问题。稀疏表示可以通过求解最小l1范数准确获取。⑶在机器学习的基础上，对Bi-SR算法作进一步改进，提出了一种新颖的自适应调制分类算法(Bi-SR/K-SVD算法)。该方法组合了Bi-SR与K-SVD。对于给定的一个信号训练样本集，Bi-SR/K-SVD算法寻求Bi-SR分类器在严格稀疏约束条件下的最优过完备字典。计算机仿真结果验证了所提算法的有效性与可行性。