通信信号调制方式识别是信号分析处理的一个重要的分支领域,它是通信电子战中通信信号侦察、监测和最佳干扰样式合成等技术的基础,也是该领域的研究课题之一。随着通信技术特别是数字通信技术的快速发展,形成了多种通信体制并存的局面,而且这些通信体制的调制方式和接入技术各不相同,给多体制间的通信互联带来了很大的障碍；无线通信环境日益复杂,信号调制方式变得越来越多样化,接收机接收到的信号往往是混杂在噪声(如高斯白噪声、冲击噪声等)中的弱目标信号,因此需要提高低信噪比条件下通信信号的调制识别性能。本文介绍了信号调制识别技术的国内外研究现状,系统地分析了基于决策理论的识别方法和基于特征提取的模式识别方法,阐明了基于支持向量机(SVM：Support Vector Machine)的调制识别方法。在此基础之上,深入地研究了采用高阶累积量(HOC:High Order Cumulants)和支持向量机等理论对低信噪比环境下的二进制相移键控(BPSK:Binary Phase Shift Keying)和正交相移键控(QPSK: Quadrature Phase Shift Keying)的信号调制分类问题。针对低信噪比环境下的信号调制识别精确度较低的问题,本文将SVM和天线阵列相结合,提出了一种基于SVM的BPSK和QPSK的信号调制识别方法。此方法通过对天线阵列接收信号进行等增益合并来提高接收信号的信噪比,然后对合并后的信号进行归一化的四阶和六阶累积量的信号特征提取,综合利用这些特征信息构造支持向量机分类器,给出了接收信号的调制识别方案。此外,研究了观测数据长度、天线阵元个数对BPSK和QPSK两类信号正确识别概率的影响。仿真实验表明,本文所提出的数字信号调制识别算法在SNR=-10dB情况下,五根天线的天线阵列和单根天线相比,提高了约40%识别概率。