随着信号和信息处理在国防和生物医学工程等领域中的应用越来越广泛,人们对信号模式识别的研究越来越成为一个研究热点；再加上信号的种类不断增加,原有单一的方法已经远远不能满足于实际工程的需要,这就需要研究人员根据不同的需要提出不同的研究的方法。本文主要针对环境监测对典型信号分类识别的需求,提出了一种混合信号特征提取和识别的方法,该方法主要基于高阶谱、循环谱和时频特征,将a平面特征、二次方谱特征与信号频谱特征相结合,提取了频域平滑后α平面深度归一化后的包络均值CSDavareage、递归归一化单频特征检测值Rec和二次方谱归一化单频特征检测值Hsk三个特征,具有识别参数少、对噪声不敏感、计算量小、识别率高、识别种类多等优点。仿真实验和测试结果表明,这种方法比传统识别算法在识别种类和识别率方面均有明显的改善,信号种类囊括了AM、PM、MSK、 ASK、PSK、QAM和DSSS等八大类(本文选取了其中的11种信号进行验证),识别率在不低于5dB时,识别率提高到94.5%以上,在不低于6dB时,识别率达到98%以上。此外,本文采用频域平滑的方法对谱相关方法进行了改进,并使直接序列扩频信号(DSSS)的识别率提高到95%以上。最后,本文应用循环谱、经验模式分解和特征熵的方法对生物医学信号进行了特征提取和分类识别,并使用三种心电信号(正常人心电信号、房颤病人心电信号和呼吸暂停病人心电信号)对算法进行了验证。