通信信号调制方式的识别技术在信号检测、频谱监控以及现代电子战中都起着至关重要的作用,它要求在无任何先验知识的前提下准确无误地识别接收信号的调制方式。随着通信技术的发展,数字调制信号的智能化识别成为该领域新的研究方向。人工神经网络具有对外部输入模式进行自学习的能力,从而自组织地对该模式形成认识。本文将自组织特征映射神经网络应用到调制信号的识别系统中,充分体现了系统的智能化设计。本文主要进行了以下三项工作：1.在瞬时特征的基础上构造了五种能够识别七种常用数字信号(2ASK、4ASK、2FSK、4FSK、BPSK、QPSK和16QAM)的特征参数,通过仿真实验得出七种调制信号瞬时特征图和特征参数分布情况。2.研究了K-均值聚类算法在数据聚类中影响聚类效果的两个主要因素,针对其不足,引入全局K-均值聚类算法,并利用k中心点法对此算法进行了改进,仿真比较三种算法的聚类效果。3.提出将K-均值聚类算法所得聚类中心作为神经元的初始权值向量,同时对网络的拓扑结构进行相应的改进。仿真结果表明,改进算法具有一定的优越性。