通信信号的调制方式识别是认知无线电系统的核心技术之一。任何一个通信信号必须知道该信号的调制方式及信号参数才能进行接收解调。传统的通信电台或系统是针对特定调制方式和带宽的单一型系统,其应用范围非常有限,很不适应目前的多调制、多服务的通信系统的要求,所以伴随通信信号的体制和调制样式的多样化发展,调制信号识别技术将在认知无线电的不断发展中起到十分重要的作用。本课题研究的目的是,在认知无线电的条件下,调制信息未知,需要在存在噪声的干扰条件下从接收信号中分析出通信信号的调制方式,为后续的解调及信号处理奠定基础。本文研究的意义在于,目前调制信号的识别工作主要集中在数字信号和模拟信号的类间识别、数字信号或模拟信号的类内识别,还有单载波和OFDM信号的识别,但是对以上混合信号集的识别没有太多的研究,所以针对上述的情况,本文实现了一种新型的多特征量决策树识别算法,并提出了新的识别特征参量。本文所做的主要工作：(1)首先对软件无线电和认知无线电的结构以及目前的关键技术进行了概括性的阐述,综述了现有的调制信号识别算法,并分析了现有算法的特点。(2)其次利用循环平稳算法进行数字信号和模拟信号的识别,提取了三个特征参量,完成识别的流程。(3)由于循环平稳算法的复杂度高,计算量大,实时性差,所以提出一种新型的多特征量决策树识别算法和新的特征参量,经Matlab仿真验证,在较低的信噪比情况下识别正确率较高。该方法计算量较小,适用于实时性高的军用认知无线电。