调制方式识别是通信领域中一个重要的研究方向,该技术在信号检测、干扰信号识别和电子对抗等民用和军用领域中有着广泛的应用。在民用领域,随着通信技术的不断发展,调制方式变得越来越多样化,频谱资源愈发拥挤、重叠,背景噪声与干扰显著提高;在军用领域,尤其是电子对抗战中,信号的传播可能会受到电磁信号能量的直接作用,通信信道也可能受到影响。因此,为了保证信号的顺利接收和内容识别,有必要在复杂电磁环境下对信号的调制识别问题进行研究。调制识别问题是一种模式识别问题,识别算法主要基于最大似然判决和特征提取两种方式。本论文对信号的调制识别方式和多进制载波频率估计算法进行研究,主要工作和贡献如下:一、针对使用特征参数对信号进行识别时,瞬时特征参数在低信噪比下识别情况较差,高阶累积量组合参数计算复杂度较高的问题,提出了一种基于信噪比判决的动态识别方法,该方法在信噪比高于门限时,不直接对输入信号的高阶累积量进行计算,使用瞬时特征完成识别过程;反之,计算高阶累积量的组合值,从而提高识别准确度。仿真结果显示,相比于使用瞬时特征完成识别过程,该算法的识别准确率更高;由于信噪比较高时直接使用瞬时特征,平均识别时间要比使用高阶累积量的方法更快。二、针对特征参数依赖于接收信号类型,而且需要人工提取的问题,本论文使用了基于神经网络的分类器完成信号的调制方式识别。基于神经网络的分类器可以在网络内部完成对信号特征的提取,而不需要人为提取接收信号的特征。提出先后使用卷积神经网络模型和循环神经网络模型作为分类器对信号的调制方式进行识别的方式,并对循环神经网络模型进行改进,使用门控循环单元(Gated Recurrent Unit,GRU)单元替换长短期记忆单元。GRU单元可以有效利用信号时序信息,并且相比于长短期记忆单元结构更加简单。仿真结果显示,GRU单元的识别率与长短期记忆单元相近,而网络模型训练时每次迭代时间明显缩短。三、针对使用高阶变换方法估计多进制相移调制信号载波频率时,在低信噪比条件下精度过低的问题,采用小波变换对接收信号进行去噪处理。由于高阶变换属于非线性变换,信噪比较低时经过变换后,噪声被进一步放大;而使用带通滤波器消噪会损失信号除主瓣外的频谱分量,降低频率估计的精度。小波变化使用有限长的可衰减的基函数对信号进行分解,在去除噪声的同时,也保留了信号的部分频带信息。仿真结果显示,在低信噪比条件下,使用小波变换去噪的方法相比传统的带通滤波的方法,得到了更高的载波频率估计精度。