调制识别是通信领域中的一项关键技术,特别是在非合作通信领域,可以无需先验知识,实现对未知信号调制方式的自动识别和分类。随着现代通信技术的飞速发展,调制方式变得复杂多样,调制识别技术也面临着更多的挑战,虽然已有相关研究但仍有许多问题和研究工作亟待解决和改进。基于此,本文对调制识别技术进行了深入的分析和研究,具体工作内容如下:(1)针对在多径衰落信道下调制信号识别效果不佳的问题,以4ASK、8ASK、2FSK、4FSK、BPSK、QPSK、16QAM和64QAM八种常见的通信数字调制信号为研究对象,提出了一种基于高阶累积量与循环谱相结合的多元特征调制识别方法。为了克服多径干扰的影响,构造性能稳健且具有高识别率的特征参数,本文利用同阶累积量构造了五种新的累积量特征作为识别特征参数,并理论推导了各阶累积量的抗多径性能。由于MFSK信号的累积量特征相同无法进行区分,故又引入了循环谱特征来进一步提高信号的识别性能,分别提取了循环谱在双频轴上截面以及投影截面的两个相关系数作为识别特征。同时利用BP神经网络作为分类器进行识别,以避免经验阈值的不足。实验结果表明本文所提出的特征识别算法具有较好的抗多径性能,甚至在低信噪比下也能取得较好的识别效果。(2)针对非正交多址系统中的多用户混叠信号识别问题,提出了一种基于卷积神经网络与联合星座密度图的调制识别方法。由于原始星座图上的星座点重合无法有效的表示出密集程度,从而导致部分信息的丢失。为了克服这一问题,本文构造了混叠信号的联合星座密度图,并将其作为卷积神经网络的输入。卷积神经网络作为深度学习中的一种新颖算法,对图像的识别表现出良好的优越性。为了防止模型过拟合,加快收敛速度,让模型具有更好的泛化性能,在网络中加入批量标准化算法进行优化。仿真实验表明了该分类算法识别性能良好,具有可行性和有效性。