近年来,随着作战理论的不断发展和作战形式的不断变化,通信侦察面临的环境越来越复杂,迅速发展的先进干扰和抗干扰通信技术也对通信侦察提出了越来越高的要求。为了应对面临的挑战,提高通信侦察系统性能一直是电子对抗领域内的研究热点。作为通信侦察系统的核心,通信侦察接收机的功能是完成对无线电通信信号进行搜索、截获、测量、分析、识别、监视,以及对辐射源进行测向和定位,以便获得信号的技术参数、辐射源位置、相关信息和情报。随着通信对抗技术的发展,基于软件无线电技术的侦察接收机成为通信侦察接收机发展的必然趋势。因此,本论文重点研究了基于软件无线电的通信侦察接收机的关键技术,进一步提高通信侦察接收机的性能,满足我军对信息进行准确的截获和侦察的需求。首先,为了满足电子对抗中对通信侦察接收机提出的宽频段、多模式等要求,本文详细分析了基于软件无线电技术的智能天线的结构和算法,建立了基于智能天线的通信侦察接收机模型,该通信侦察接收机能从时域、频域、空域对接收信号进行三维处理,工作频段宽,波形适应能力强,系统功能模块化,软件易于升级,可扩展性好。本文研究了该通信侦察接收机中的基于多相滤波的信道化处理模块,推导了基于多相滤波结构的复信号和实信号的信道化处理模块的数学模型,对实信号信道化处理模型进行了仿真分析;并对通信侦察接收机中智能天线部分进行了深入研究,推导了基于信号循环平稳性的CAB盲数字波束形成算法,用该算法对通信侦察接收机中的数字波束形成模块进行仿真分析。由于智能天线具有良好的方向性,基于智能天线的通信侦察接收机不仅在宽频带范围内实现了全概率截获信息,还能够实现测向功能。其次,由于扩频通信在通信对抗中的广泛应用,通信侦察接收机需要对扩频通信信号进行检测和参数估计。因此,本文重点研究了对直扩信号的扩频码周期估计的倒谱法。针对短码周期估计,提出了基于经典谱估计的改进倒谱法,对传统倒谱法进行了三方面改进:利用有偏自相关函数对功率谱进行估计、对自相关函数加窗处理、对所求倒谱进行频谱校正,仿真结果表明改进后的倒谱法比传统倒谱法的峰值更加突出、平滑,利于周期峰值搜索,信噪比容限提高了2.1dB。同时,还提出了基于现代谱估计的改进倒谱法,先用Yule-Walker法或Burg法进行功率谱估计,然后再求其倒谱并进行频谱校正,本文还总结出了适用于倒谱法的确定AR模型阶数的经验准则。仿真结果表明,应用现代谱估计的倒谱法比应用经典谱估计的倒谱法估计效果更好。针对长码周期估计,研究了m序列延迟相乘的特性,并在此基础上提出用基于延迟相乘的改进倒谱法来估计长码周期,先对待估计信号进行延迟相乘预处理,再用针对短码的改进倒谱法进行周期估计,仿真结果表明,延迟相乘预处理使改进后的倒谱法对长码信号也能进行周期估计,解决了已有的扩频码周期估计方法无法对长码周期进行有效估计的问题。然后,为了对接收到的非扩频信号或解扩后的信号进行调制方式的识别与分类,首先要提取信号特征,并选择适当的特征构成特征向量作为后续的调制识别分类器的输入。本文研究了信号基于瞬时信息的特征提取方法、基于小波分解的细节特征提取方法、基于高阶累积量的特征提取方法和基于分形理论的特征提取方法,由这四组特征参数构成了原始特征集。本文提出用遗传算法进行特征选择,在深入研究了遗传算法的原理、基本操作、运算流程与主要特点的基础上,进行了基于遗传算法的信号特征选择器设计,并用离散小波神经网络(DWNN)分类器验证遗传算法应用于数字调制识别的有效性。仿真结果表明,遗传算法能够对不同的模式组合选择出适用于该模式的特征向量,降低了特征向量维数,从而提高了后续的分类器的性能。最后,为了实现对多种信号调制方式的自动识别与分类,本文深入研究了DWNN和ART2A神经网络,在此基础上提出了基于ART2A-DWNN组合神经网络的调制识别分类器。DWNN分类器的收敛速度快,不存在局部极小点,具有较强的抗噪性,且识别特征相近的调制方式的能力较强,但是不具备可扩展性,在同时识别很多种调制方式时识别效果不佳。而ART神经网络具有良好的可扩展性和识别性能。组合神经网络分类器将ART2A-E神经网络和DWNN结合起来,ART2A-E神经网络作为组合网络的第一层,将相近模式归为一类,即进行粗糙分类,DWNN作为组合网络的第二层,分别对每一类进行详细分类。经过粗糙分类后,每个类内的模式数目变少,使得DWNN能够快速收敛,且识别准确性较高。仿真结果表明,ART2A-DWNN分类器识别信号范围广,正确识别率高,具有可扩展性,同时还具有很强的抗噪性,并且训练与识别速度快,弥补了单个神经网络分类器的不足。