自动调制识别是模式识别和通信信号处理学科的一个研究热点,它广泛应用在电子信息对抗、无线电频谱监测与管理以及信号干扰与识别等领域,具有实用的军事价值和民用价值。过去的几十年中,国内外许多学者对通信信号的自动调制识别进行了深入的研究,提出了很多经典的方法。目前,主流的方法是采用神经网络来实现调制信号的自动识别。然而,由于调制信号特征参数的多样性以及连续性等因素,这使得调制识别在实际应用中受到很大的制约。本文在对国内外关于调制识别的研究报告及学术论文进行研究和分析的基础上,结合粗糙集强大的数据分析能力与神经网络优越的容错性特点,提出了一种将粗糙集和神经网络相结合的调制识别方法。主要完成了以下工作：(1)分析了信号的瞬时幅度、瞬时频率和瞬时相位,分别从理论上和实验上对这些参数的分类结果做了研究。(2)利用自组织神经网络和粗糙集对特征参数进行约简处理,实验表明,这样不仅能减少特征参数的个数,而且能有效的去除冗余信息。(3)给出了将粗糙集与神经网络相结合并应用于调制识别方法的算法流程。实验数据表明,该方法能有效缩短网络训练时间,提高识别率和识别的稳定性。