随着软件无线电和认知无线电技术领域的发展，基于特征提取和模式识别的多体制通信信号自动调制识别（Automation Modulation Recognition,AMR）研究取得了很多进展和成果，但仍不能满足大动态环境下的多体制通信信号调制识别需求，针对这一现状，本文从特征筛选的鲁棒性入手研究探索了一种具有大动态信噪比推广能力的多体制通信信号自动调制识别新方法。首先，分别提取了信号的瞬时特征、高阶累积量特征、小波特征、分形理论特征以及谱相关特征这五大类特征组成原始特征集，并通过分析各特征在不同SNR下的变化规律，构造抗噪声评价函数从中筛选出噪声鲁棒性特征集。然后，针对筛选得到的噪声鲁棒性特征集仍然存在着分类能力不强，以及信息冗余等问题，应用粗糙集理论对其进行了二次约简。实验结果表明，在不影响特征集的分类能力的条件下，冗余特征得到极大约简，有效提高了分类效率。最后，应用SVM对多体制通信信号进行调制识别。实验考察了经噪声鲁棒性筛选与二次约简之后的特征对本文研究的10种多体制通信信号的识别性能。实验结果表明，经噪声鲁棒性筛选与二次约简之后的特征在固定信噪比下训练，在整个0~20dB条件下测试都能取得远优于未考虑噪声鲁棒性的特征及具有冗余性特征的识别性能，充分验证了本文所提出的基于噪声鲁棒性特征筛选与二次约简方法的有效性。另外，小样本条件下经噪声鲁棒性筛选与二次约简之后的特征集对多体制通信信号的优异识别结果则表明了本文应用SVM作为调制识别分类器所具有的优良性能。本文从特征筛选的鲁棒性入手研究创建的多体制通信信号自动调制识别新方法具有大动态信噪比环境下推广能力强、计算复杂度低、泛化识别率高且易于实时识别的特性。