通信信号的调制识别是从给定的信号集中确定信号的调制方式的过程,其在军事、民用通信方面都具有重要的应用。在目前的许多文献中所涉及的调制识别算法都假设加性噪声服从高斯分布,然而,大部分无线电波信道中的人为电磁噪声、自然噪声以及两者的联合噪声常常表现出非高斯性。研究发现,Alpha稳定分布模型可以更有效地表示上述非高斯噪声,近年来很多学者将非高斯噪声建模为Alpha稳定分布模型。因为Alpha稳定分布噪声下信号的二阶及二阶以上的统计量为无穷大,所以很多高斯噪声下的调制识别算法不能直接应用于Alpha稳定分布噪声环境。因此,探索非高斯Alpha稳定分布噪声环境下信号识别技术,具有较强的实际价值和重要的理论意义。本文在Alpha稳定分布噪声环境下,对信号的调制识别技术进行了较深入的研究,主要的工作内容如下:首先,针对Alpha稳定分布噪声下现有的识别算法计算复杂度较高且在低信噪比环境下识别性能较差的问题,文章提出了广义累积量和广义瞬时相位的概念,并基于此概念对Alpha噪声下的信号进行了识别。首先构造广义二阶和四阶累积量特征,并计算基于分数阶傅里叶变换的广义瞬时相位的谱密度最大值做为信号的分类特征,然后通过最小均方误差分类器和门限的设置对常用的信号在Alpha稳定分布噪声下进行分类。仿真结果表明,在Alpha稳定分布噪声环境下,本文算法在低信噪比条件下识别性能较好并且具有更低的计算复杂度。其次,在Alpha稳定分布噪声环境下,本文又提出了一种基于瞬时特征和判决树分类器的数字调制信号识别的新方法。该方法首先利用分数低阶Fast ICA进行信号和噪声的分离,对分离后的有用信号进行基于插值的总体平均局部均值分解(LDM),然后利用不同调制类型的信号瞬时频率和瞬时幅值的差异性,构造两个瞬时特征--分段瞬时频率标准差和分段瞬时幅度标准差,最后通过判决树分类器中的门限对信号进行分类。仿真结果表明,在Alpha稳定分布噪声环境下,本文算法具有很好的识别性能和鲁棒性。