调制方式识别是指接收机对接收信号所采用的调制方式类型进行自动判别,它是处于信号探测与解调之间的一个信号处理过程。随着软件无线电、自适应调制和认知无线电技术的发展,民用和军用通信系统的未来发展趋势是以更加灵活的方式对信息进行发送和接收,调制方式识别是实现智能通信系统的关键技术。由于数字调制方式相对模拟调制方式具有诸多优势,并且在商用和军事通信中应用更为广泛,本论文针对数字通信信号调制方式识别方法展开研究。研究问题包括:二维累积量特征的统计模型、多径衰落信道下累积量特征的估计方法、具有拒判能力的分类器设计和基于无线传感器网络的分布式调制识别方法。所取得的研究成果为:1、在加性高斯白噪声信道下,分析二维归一化四阶累积量特征的统计模型,为基于累积量特征的调制识别方法确定判决门限或判决域提供理论依据。本文推导得出二维归一化四阶累积量特征近似服从联合高斯分布,并从理论上推导出均值与协方差矩阵的表达式。为了验证该模型与特征样本服从的统计模型一致,根据贝叶斯准则在二维特征平面上构造最大似然分类器,并从理论上推导出二元调制方式识别问题的平均分类正确率,它与仿真实验得到的平均分类正确率吻合很好。2、提出一种具有拒判能力的调制方式分类器,它可以对不属于备择调制方式集合的未知调制方式进行拒判。通过选取两个归一化四阶累积量构成二维特征平面,将构造具有拒判能力的分类器设计问题归结为如何在二维特征平面上划分拒判区域。本文提出两个优化步骤用于寻求该问题的次优解。首先,提出凸包贪婪学习算法,它通过对备择调制方式的二维累积量特征训练样本进行学习确定其初始判决域。备择调制方式的初始判决域具备拒判能力,但它们存在重叠区域;其次,在平均分类正确率损失最小的前提下,提出凸包交替收缩算法用于收缩各个备择调制方式的初始判决域,使之相互分离,进而得到最终的判决域。仿真实验结果说明该分类器不仅具备拒判能力,而且其分类性能接近现有方法。3、在多径衰落信道下,提出一种归一化四阶累积量特征的估计方法。该方法基于接收码元的四阶互累积量,不需要对多径信道系数进行估计,并且它是渐近无偏的。另外,理论分析表明,多径信道阶数的过估计不影响该估计方法的渐近无偏性。仿真实验结果表明,在多径衰落信道下,基于该估计方法的累积量特征分类器相对于现有的四阶累积量估计方法对识别数字调制方式具有更好的分类性能。4、针对在慢衰落和加性非高斯噪声信道下的数字调制方式识别问题,提出一种基于无线传感器网络的分布式识别方法。利用多传感器的空间分集和幅度相位调制方式星座图的旋转对称性,本文得出一个结论:对于调制方式识别问题,虽然不同传感器对同一个信号进行观测,但每个传感器上的接收信号可以看作是统计独立的。基于以上结论,并且将加性非高斯噪声建模为高斯混合模型,提出一种用于在带宽有限的无线传感器网络背景下进行调制方式识别的混合似然比分类器。由于在实现该分类器时需要对未知信道参数进行最大似然估计,本文提出一种改进的分布式期望最大化算法。为了验证该算法的估计性能,推导出在BPSK调制方式下未知信道参数无偏估计的克拉美罗下界(CRLB)。仿真实验结果表明,在非高斯噪声衰落信道下,本文提出方法的分类性能优于基于单接收机的调制识别方法。