随着无线通信的发展,通信系统经历了由模拟到数字、由简单到复杂的发展过程,并形成了多种通信体制并存的局面。因此无线信号的频谱的监测和管理提出了越来越高的要求,频谱监测和管理也成为了衡量国家实力的关键指标之一。在频谱监测中,无线信号识别占据着十分重要的分量,信号识别主要是通过对无线信号中未知参数的提取进而识别无线信号的某些特征。也正是因为如此,信号识别对于频谱监测等方面有着重要的意义。一般来说信号识别具有相当大的困难性,这种困难性主要来源于信号识别过程中参数的未知性,如盲信号中的幅度、频率、相位等信息。正是由于信号识别有着很大的意义同时又有一定的困难性,本文主要研究了基于高阶累计量的单一信号识别方法和基于自然梯度ICA算法的混叠信号分离识别方法。针对单一信号的调制方式识别,本文主要研究了三大类数字信号的调制方式识别方法。首先,文中主要介绍了 ASK、PSK和QAM类信号的生成方式及特征。然后介绍了高阶累积量识别特征的提取方式和分类的识别流程,主要包括分类决策、树形识别流程和识别的准确度。接着文中介绍了高斯白噪声、符号数、频偏和相偏对识别的影响。最后介绍了如何应用MATLAB、信号发生器和黑鸟接收机对信号识别的实际测量系统。由于实际系统中复杂性更强,因此文中又针对多信号系统提出了一种基于自然梯度ICA算法的混叠信号识别方法。文中首先介绍了在块衰落信道下混叠信号的分离方法,然后说明了如何对分离的混叠信号进行识别。随后信号分离的准确度和分离的鲁棒性通过仿真进行了验证。通过仿真结果可以看出,分离的性能照理论性能在相同信噪比下仅仅降低1dB,而且两种信号BPSK和QPSK的混叠功率比在-7到5dB时,能够达到很高的识别准确度,所以这种算法有较好的鲁棒性。本文研究的基础上,还有很多方面需要进一步研究,如信道问题,混叠信号识别的实测问题等等。