数字信号调制方式识别技术是在非协作通信情况下,对截取的数字信号进行信号处理和特征提取,最终实现对信号的分类识别。随着技术的发展需求,数字信号调制识别技术在相关领域都得到了应用。近年来,电磁环境和信号调制方式越来越复杂,传统的数字信号调制识别技术已经难以满足应用领域的需求,因此,研究更加有效地数字信号调制方式识别技术有着重要意义。本文首先针对通信系统中常见的数字信号调制类型的数学模型与重要参数进行了概述,并对常用的通信信号处理方法进行了简要介绍。其次,在数字信号特征提取算法的研究中,本文对数字信号的熵值特征、分形盒维数特征以及高阶累积量特征进行了算法研究、仿真与改进。在多种熵值特征中通过SFS特征选择算法选取出对信号分类识别最优特征组合,去掉了识别系统中的冗余特征。针对数字信号分形盒维数特征类间距离小,特征交叉现象严重的问题,本文提出了一种基于时频图像的二维分形盒维数特征提取算法,有效地提升了数字信号盒维数特征间的类间距离。再次,对证据理论中的BPA获取方法进行了简单介绍。针对距离相似度的BPA获取方法存在的概率上限问题,本文提出了一种基于欧氏距离+马氏距离的BPA获取方法,解决了目标信号信任度概率极值分配受训练信号个数的影响问题,大大增加了目标信号的信任概率分配权值。通过对熵值特征的类内分布研究,本文提出了一种基于熵值正态性的BPA获取方法,有效地解决了目标信号的权值分配问题,抑制了与目标信号特征差距较大的信号类别的信任度权值,提高了系统的分类性能。最后,本文通过对三种不同的分类器距离测量分类器、神经网络分类器以及证据理论分类器进行了算法分析与仿真。针对本文的数字信号特征,设计了一种基于证据理论的一种融合分类器,实现了低信噪比下数字信号的分类识别。