随着现代通信技术的发展,使得有限频率范围内的信号越来越多,导致通信环境越来越复杂,通信资源也日益匮乏,因此对未知通信信号重要特征参数的提取尤显重要。数字通信信号的调制方式、码元速率、载波频率和带宽作为确定信号的基本特征参数,是对信号正确解调的前提,也是对信号干扰、破译的基础。这些特征参数提供了未知信号的结构特性等有用信息,在军事和民用领域皆具有重要应用。首先,对常用的数字调制信号的调制方式、码元速率、载波频率和带宽等四类参数进行了分析。并介绍了当前主要的参数估计和调试方式识别算法,详细讨论了各种算法在不同适用的场合下的性能,因为需求或者应用场合的不同我们需要选择不同的识别或者估计算法,同时分析了各类算法的发展趋势。其次,提出了针对三种重要参数的估计算法,即基于小波变换的码元速率估计算法、基于高阶循环累积量的载波频率估计算法以及基于平均周期图法的带宽估计算法。小波变换通过对母小波平移操作得到信号的时间信息又可以通过对小波尺度的缩放操作得到信号的频域信息,称得上是信号分析的显微镜；循环累积量算法具有很好地抗高斯噪声性能,当搜索步长设置很小时,载波估计能够达到较高的精度；平均周期图法通过将接收信号分段求周期图后再平均的办法在信号带宽估计方面有很好的性能。针对以上各类算法,文中都进行了详细的理论分析和说明,同时给出了切实可行的算法流程,并进行了大量的仿真和性能测试。最后,调制方式识别的目的即在全盲的前提下,判断出接收信号的调制方式。本文从算法的扩展性和快速性两方面考虑,以不同侧重面,研究了两种针对不同实现需求的识别算法。前者以高阶累积量作为特征参数,以统一的方式提取特征,选择支持向量机作为分类器。其具有完整的分类器体系且对于各种信号都有类似的特征提取方法,可扩展性能良好且利于扩大识别范围。但其耗时较长且算法复杂度较高。后者针对待识别信号各自的频谱、平方谱和高次方谱等特征进行分析,从其波形特征提取识别特征值,再采用树形分类结构,以大量测试确定最优门限值进行识别。该算法复杂度相对较小,识别实时性较好,但其可扩展性不好。