数字通信信号调制方式的识别历来是各国研究的重点与热点,在军用和民用通信领域都有着较为广泛的应用前景。它研究的目的是要在先验条件不足的情况下,在多种调制信号传输的背景下,以及在有噪声干扰的环境下正确的识别出通信信号的参数和调制方式,并判断提供下一步信号分析和处理所需要的信号信息。本文在对国内外关于调制识别的文献进行分析和研究的基础上,结合邻域粗糙集强大的数据挖掘功能与神经网络优越的容错性特点,提出了一种将邻域粗糙集快速属性约简和反向传播(BP)神经网络相结合的调制识别方法。主要完成了以下工作：1.对几种常见的数字信号调制原理进行了阐述,并对信号的瞬时幅度、瞬时相位和瞬时频率进行了分析与仿真。2.介绍了高阶累积量的基本理论和文中所提取特征参数的算法。针对所研究的七种通信调制信号,选取了一组基于时频特性与高阶累计量的特征参数(Rmax、σap、σap、σaa、σ可、K1、K2),通过仿真实验验证了这一组特征参数能够有效地识别所研究的通信调制信号。3.对邻域粗糙集的基本理论进行了详细的阐述,并介绍了利用邻域粗糙集快速属性约简算法进行特征参数选择,该算法利用了正域与属性集的单调关系,降低了样本的比较次数,以提高属性约简速度,实验证明了该算法的有效性。本文首次将邻域粗糙集快速属性约简算法应用于调制信号的识别研究上,并取得了较好的约简效果。4.利用BP神经网络作为识别分类器。通过实验对2ASK、2FSK、2PSK、4ASK、4FSK、4PSK、16QAM这七种调制信号的单个识别率和平均识别率进行仿真,实验数据表明,采用本文提出的方法能得到较好的识别效果。