数字调制信号识别是通信领域的一个重要研究课题,在民用,特别是军用领域有着广阔的应用前景。目前,国内主要依靠人工识别调制类别。但它效率低、因人而异且损害工作人员的健康,已经难以适应日益复杂的通信要求。因此,调制类别自动识别被提上议事日程,有关部门对此有强烈的需求。本文从模式识别的角度,对数字调制信号的识别问题进行了研究。首先,本文简要的介绍了所涉及到的各种调制信号的基本情况,以便于进一步的分析和处理。然后,重点研究了特征的提取,这是模式识别研究中最主要的部分。在这一部分,先研究了采用小波包变换提取了能量特征,并对其进行了分析。随后,对希尔伯特-黄变换进行了介绍,特别是其主要组成部分—经验模式分解。根据经验模式分解的方法和特点,本文中提出一种改进小波包能量的方法。首先对信号进行经验模式分解得到固有模态函数,再由固有模态函数求得瞬时相位序列,最后,将序列的小波包能量特征作为识别特征。分类器部分包括采用遗传算法实现从小波包能量特征和瞬时相位序列小波包能量特征中进行的特征选择(可选),然后是使用支持向量机将数字调制信号进行分类。使用仿真数据对小波包能量特征和瞬时相位序列小波包能量特征进行了实验。实验的结果初步证实了所提取的新特征的有效性,同时对比直接提取小波包能量特征其分类性能取得了明显的提升。实验中还对整体方案进行了测试,在4db时,识别率达到95%以上,达到了预期的效果。另外,还对在实际短波通信环境中接收受到的实际数据进行了识别实验,结果表明,该方案能够达到较高识别水平。