在当今无线通信技术中，各种数字信号调制方式被广泛采用，通信环境日益复杂，信号由于外界影响携带了不可忽略的噪声，而且信号的先验知识较少，这些因素不仅使得对信号进行后续处理的压力增大，同样使得非协作方获取有用信息的难度增加，而如何有效的获取及识别目标信号这一研究课题，不管对军用还是民用来说都十分重要。本文主要研究高斯噪声背景下的七种数字通信信号（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK、16QAM）的检测问题。首先对于单个的含有噪声的数字通信信号的检测问题，提出应用稀疏分解中的匹配跟踪算法进行去噪，并对信号进行重构。信号相对于高斯分布的噪声来说具有某种特定结构，这种特性是与原子的特性相匹配，利用该原理将有意义原子对应的信号提取重构，所剩的残差部分即为噪声。对重构的信号调制方式利用相似系数来识别。仿真结果表明该方法对于含噪的通信信号具有较好的检测效果。当一个以上的通信信号与高斯噪声叠加后，常用的识别算法已经无能为力，论文提出采用盲源分离技术解决多个含噪信号的盲分离问题。在盲源分离基本的理论知识与数学模型基础上，针对含有高斯加性白噪声的情况，在经典的快速独立分量分析(FastIndependent Component Analysis，Fast ICA)算法基础上加入了能够消除高斯白噪声带来的偏差的白化偏移技术，形成了偏移Fast ICA算法。仿真结果显示，在不同信噪比下，相比于经典的Fast ICA，偏移Fast ICA更适合应用于含噪盲信号分离，具有更佳的分离性能指数。最后针对信号的调制方式识别，在支持向量机的一些基础理论知识基础之上，对几种由二分类扩展出的多分类模型进行了分析与比较。针对七类信号调制方式识别问题，依据提取的各个信号的五种基于瞬时信息特征参数，应用一对多多分类和二叉树多分类方法两种方案来进行识别。仿真结果显示，相比于一对多多分类，二叉树多分类方法支持向量机调制识别精度和效率更高。二叉树多分类方法调制识别率在信噪比不低于10dB时可以达到93%以上，说明了该方法具有一定的可行性。