调制方式是区别不同性质通信信号的一个重要特征。在许多应用中，需要监视通信信号的活动情况，区分信号的性质，甚至截获其传输的信息内容。通信信号的调制识别就成为了截获信号处理研究领域的一个十分重要的课题。调制识别的目的就是在复杂环境和有噪声干扰的条件下，在没有其他先验知识的情况下，通过对接收到的信号进行处理，判断出信号的调制方式，并估计出相应的调制参数，从而为进一步分析和处理信号提供依据。随着通信技术的发展，空间中的信号越来越密集和复杂，这就对调制识别的研究提出了更高的要求。近几十年来人们针对不同的调制信号提出了许多调制识别的新方法和新思想，针对通信信号的调制识别问题，本文深入研究了信号的特征提取方法，并在此基础上探讨了分类器的设计方法。首先，本文引入了小波分析的概念，并详细叙述了它在调制类型识别方面的特点和优势。因为小波变换具有良好的时间、频率局域化特征和多分辨率分析的特性，所以小波变换是一种能有效地从不同调制类型的信号中提取瞬时特征的技术，而且不需要已调信号任何的先验知识。不同类型信号的小波变换系数的明显不同，非常适合对数字调制信号的调制类型进行识别。在理论上对四种数字通信信号运用小波进行分析后得到了不同的变换结果，在此基础上建立了同时对这四种典型数字通信信号进行类间和类内识别的调制识别器模型。这种调制识别器主要利用输入信号小波变换量的不同来进行调制类型的识别。然后，本文在理论分析的基础上设计了一种基于神经网络的数字通信信号调制类型识别方法，并详细讨论了MLP网络的结构和训练算法，并在不同的信噪比下对仿真数据和实际采样数据进行了多次验证实验，取得了令人满意的试验结果。这些实验结果也反映了利用不同训练算法对信号进行的效果和性能，本文总结了这些不同方法的优缺点。本文在通信信号调制样式的自动识别方法上做了一点有益的探索，在这方面还有大量的工作值得探索和实践。