调制方式是区分不同性质通信信号的一个重要特征，而要截获通信信号的信息内容，就必须知道信号的调制方式和调制参数。给定一段接收的通信信号，调制识别的目的就是在未知调制信息内容的前提下判断出通信信号的调制方式，并估计出相应的调制参数。随着通信信号体制及调制样式的多样化和复杂化，信号环境越来越密集，识别难度越来越大。本文重点运用小波变换对数字通信信号进行分析，研究了多种数字通信信号的调制识别。利用小波多分辨率分析和Mallat算法对信号进行多级分解降噪；对重构后的信号，用小波包分解，提取各级细节能量构成特征向量，其对噪声不敏感。通过选用适当的小波，提高了低信噪比(0dB-15dB)情况下数字调制信号的识别率。分类器是调制识别中的一个重要环节，动量校正法BP神经网络能避免训练过程收敛到局部极小点。最后，本文提出了一种小波神经网络组合分类器，实现了对多种数字调制信号如OQPSK、16QAM、π／4-QPSK等信号的分类识别。实验表明，该分类器具有识别率稳定的效果，在低信噪比(0dB-15dB)的情况下，该分类器具有良好的识别率。