随着通信级数的快速发展,数字通信发挥着越来越重要的作用。信号调制技术是非常重要的。现在它已然成为我们研究的重点课题。按照以前研究者的研究成果总结,主要有分别以决策理论和统计模式识别为研究基础的两种方法。并主要用于解决单一信号,所以它不能用来识别信号。因此,寻找更多更好的解决方法也迫在眉睫。本文是在非合作通信的背景下,把常规的窄带通信信号作为研究对象,来研究同信道多信号的调制识别问题。首先,本文用统计模式识别的方法,来解决信号调制识别,由于多个信号在频率域和时间领域有不同的分布,提出这两个解决方案：多个信号调制识别的方法基于信号分离；从多个信号波形直接提取的信号特征信号调制识别方法。针对识别率相对低的情况下,又提出了基于高累积量的调制识别。主要研究内容及研究要点如下：首先,详细分析了多信号的调制识别问题,提出多信号调制识别的两种基本途径,即基于信号分离和直接提取特征的多信号调制识别方法。其次,详细介绍了信号的接收方式和多信号调制识别中的特征提取问题以及多信号的分离方法,并提出基于已调信号的统计特性的特征分析框架。再次,基于多信号调制识别的两种途径和统计特性的特征分析框架,本文引入基于多特征多标记和组合分类器两种概念,提出一种非线性组合分类器的神经网络模型,并对几种数字信号混合的多信号的调制方式识别,做了仿真实验。最后,由于上述方法在信噪比相对较低的情况下,识别率不是很理想,因此,本文提出一种新的调制识别方法,即基于高阶累积量的信号调试识别方法,并给出了计算机仿真结果,对两种仿真结果做了分析比较,得出,在信噪比相对较低的情况下,后者的调制识别性能更好。