随着通信技术的发展,无线通信环境日益复杂,通信信号在很宽的频带上采用各种调制方式。如何有效的监视和识别这些信号是通信信号处理的一个重要研究课题,是电子对抗的一个重要内容。其广泛应用于信号确认、干扰识别、无线电侦听和信号监测以及软件无线电、卫星通信等领域。小波变换具有良好的时频局部特性,非常适合分析突变信号和非平稳信号,而神经网络具有自学习、自适应、鲁棒性、容错性等优点,利用神经网络可以提高识别的自动化和智能化。因此,本课题采用小波分析与神经网络等现代信号处理技术,实现对AM、DSB、USB、LSB、FM、PM、2ASK、4ASK、2FSK、4FSK、2PSK、4PSK等12种常用无线信号的分类。首先,研究了通信信号的调制原理和特点,并用MATLAB实现了这些通信调制信号。其次,设计了一种基于小波分析和神经网络的无线信号调制方式分类的方法。该方法分两步实现。第一步是特征提取,采用Daubechies小波对信号进行七层分解和重构,研究了以各层信号的均方差作为信号的特征矢量的方法。第二步是调制方式分类,设计了用于实现调制信号分类的RBF神经网络,用提取的样本集的特征对RBF神经网络进行训练,用训练好的网络对测试集的信号进行分类。最后,基于MATLAB7.1平台对调制信号分类方法进行仿真试验,实现了十二种调制信号在不同信噪比下的分类。当SNR=5dB时,信号的平均识别率达到了98.58%,最低识别率为97%。仿真结果表明,小波分析和神经网络相结合,可以很好的实现无线信号的分类。