随着现代科学技术和信息化的快速发展，无线电频谱资源已成为人类社会广泛使用的重要资源。无线电应用的日益广泛，使得无线电频谱资源越来越紧张，供求矛盾日渐突出，同时也导致干扰现象的逐步增多。为了能更好地维护无线电频谱监测和管理，对无线电监测到的信号，我们要及时地识别分类，并做好抗干扰措施。因此，对无线电信号进行准确的分类识别在无线电监测中具有重要的现实意义。模式识别和神经网络的应用在许多技术领域中得到快速的推广，推动着人工智能系统的发展。无线电信号的分类识别是一个典型的模式识别应用，由于无线电信号中存在大量异常信号，对这些异常信号进行准确地分类识别至关重要。因此，无线电信号分类识别对无线电监测具有重要的现实意义和实际应用价值。本文的研究成果主要归纳如下：（一）概述了模式识别和神经网络的相关理论知识，介绍了BP神经网络模型结构的设计、BP算法的原理及其优缺点，并对算法的改进做了详细的说明；（二）鉴于无线电环境的复杂性和特殊性，以无线电信号监测为实际背景，在对分类模型设计之前进行了数据预处理分析；（三）基于改进的BP算法及无线电信号的特征属性构造了一个合适的分类器模型，并通过对比实验验证了该模型的有效性和可行性。