数字信号调制方式的识别是现代通信侦察和软件无线电通信的关键技术,在军事和民用等领域中起着非常重要的作用。随着现代信号处理技术和通信技术的快速发展,通信信号调制方式变得越来越复杂和多样化。在复杂的通信环境和严重的噪声干扰下,信号调制样式识别面临着越来越严峻的挑战。如何在复杂环境中提高信号的正确识别率是通信调制识别的重要研究方向。面对愈加复杂的空间电磁环境和愈加紧张的频谱资源,寻找一类具有更高频谱效率的调制方式迫在眉睫。BPSK、QPSK、OQPSK、SOQPSK、CPFSK和GMSK调制方法的发展在追求优异的频谱和功率效率方面受到越来越多的关注。本文就是在此背景下,对此信号集合进行调制识别和相应的参数估计。首先,本文系统地介绍了数字调相信号的调制原理,并分析和总结了信号之间的演化和相关性。然后计算了功率归一化后各数字调相信号的高阶累积量的理论值,并分析了各数字调相信号的频谱特性。其次,针对低信噪比条件下{QPSK、OQPSK}和{SOQPSK、CPFSK}信号识别率低的问题,提出了两种决策树分类算法,其中一种是基于差分相位高阶累积量的决策树分类算法,通过对信号进行预处理,将信号下变频到基带信号;再提取基带信号的高阶累积量特征与差分高阶累积量特征,实现在低信噪比条件下该类信号调制方式识别。另一种是基于谱相关和差分相位高阶累积量特征的决策树分类算法,通过对中频信号进行处理,并提取谱特征和高阶累积量特征,实现信号分类。进而利用MATLAB平台进行实验仿真,对两种算法正确性和性能进行评估。再次,利用机器学习的智能优化和可解决非线性可分问题的特点,提出了基于支持向量机(support vector machine,SVM)的数字调相信号识别算法。以差分相位的环形统计量作为分类特征,以支持向量机作为智能分类器,实现对信号的调制识别。最后,对上述数字调相信号进行参数估计,利用各数字调相信号频谱的特征,实现对信号的载频估计;利用各信号的二次小波变换特征,实现对信号的符号速率估计;利用CPFSK的循环平稳特性,提出基于代价函数的非数据辅助的调制参数联合估计算法,实现对CPFSK信号的调制指数、调制阶数、载频和符号速率的估计。