数字调制信号的识别广泛应用于通信侦察、信号确认、干扰识别和频谱监测等方面。本文针对数字调制信号的识别问题，研究了信号的特征提取方法，在此基础上探讨了分类器的设计方法，其中提出了零中心瞬时特征提取和小波分析特征提取组成的特征集，并设计了基于最小二乘支持向量机算法的分类器。　　针对调制识别系统的构成特点，本文把工作重点放在了特征提取和分类器设计两方面上。通过使用MATLAB仿真实验，得出如下结论：　　1、零中心瞬时特征易于提取，但该特征受噪声影响较大；小波分析特征受噪声影响较小，具有较强的抗噪性能。最小二乘支持向量机分类器使用小波分析特征的识别率高于使用零中心瞬时特征的识别率。　　2、本论文利用最小二乘支持向量机分类器成功地实现了数字调制信号的分类，在不同分类方法下的仿真结果表明纠错输出编码方式对提高识别率有一定的优势；在不同信噪比下的仿真结果可以看出随着信噪比的增加，信号的识别率也随之增加：在不同核函数下的仿真得出采用径向基核函数比较适合数字调制信号的识别，最小二乘支持向量机分类器对模型具有一定的不敏感性的结论。　　3、最小二乘支持向量机分别与神经网络分类器和平行判决分类器进行了性能对比，通过ROC曲线表明采用最小二乘支持向量机分类器进行信号调制识别更加有效可行。