随着当代通信的飞速发展,通信体制的变化也日新月异,通信信号的调制方式更加多样化、复杂化,使得通信的环境也变得复杂,同一空间的信号越来越密集。研究分析这些信号,提取调制参数并确定其调制方式,在军事和民用领域都是非常有价值的研究课题。本文是在前人研究的基础上,将差分进化算法应用到基于统计模式信号调制识别中。首先,调制信号识别方法的途径主要有两种,决策理论法与统计模式识别法。统计模式识别需要进行参数提取,仿真后观察不同调制信号的瞬时振幅,瞬时相位,瞬时频率特性,选择可以表征不同类型的特征参数。其次,基于所提取的特征参数作为特征矢量,研究人工神经网络信号调制模式识别问题。简要介绍了基本原理和特点,把BP算法引入到信号调制识别。该算法收敛速度慢,容易陷入局部极小,接着采用遗传算法对神经网络的结构和连接权值进行优化,仿真试验结果表明,经过优化神经网络结构和权值后,网络分类时间缩短,识别率得到提高,但收敛速度还有待提高。最后,介绍了新兴的差分进化算法(DE),并应用于神经网络分类器的优化。相对于遗传算法,DE算法采用实数编码,需要设置的参数较少。但和遗传算法一样,也易出现早熟现象,陷入局部最优。本文采用混合差分策略和改进的变异算子差分算法(MDE),应用于神经网络信号调制识别系统,仿真实验结果表明了算法的可行性与有效性,采用MDE算法优化后的神经网络信号识别效率提高,运行时间也大大减少。