MIMO(Multiple Input Multiple Output,多输入多输出)技术由来已久。自二十世纪九十年代MIMO技术真正应用于无线通信以来,该技术凭借其能够提高通信系统的信道容量和频谱利用率的突出优势,逐步被通信行业的多个标准所采用,同时逐渐成为下一代移动通信的核心技术。在实际的无线通信传输环境中,MIMO系统的各个子信道之间可能产生空间相关性,这种相关性主要由天线阵列放置、天线周围的散射体分布以及传播环境等因素产生,并导致MIMO系统无法始终获得潜在的多天线增益,制约了通信系统的容量和误码性能。随着通信技术在人们日常生活中的广泛应用,对信号的监测和识别在军事和民用领域都是十分重要的研究课题。但是传统的调制方式识别算法由于对先验信息的依赖而导致在实际情况中存在较大的局限性,这也导致对信息有效性较差的空间相关MIMO通信信号的调制识别存在很大的困难。该研究主要关注空间相关MIMO系统中的盲数字调制模式识别,并提供基于极端学习机(ELM)和高阶统计特征的信号识别算法。ELM的优越性体现在无需事先了解信道和信号参数的情况下,可以随机选择隐藏节点并分析确定输出权重,从而降低计算复杂度。从理论上讲,该算法能够以极高的学习速率提供出色的泛化性能。同时,该研究还采用了ELM的衍生算法——双向极端学习机来解决ELM算法存在的缺陷。结果表明ELM可以获得完全可接受的识别性能,并可以提供坚固的基础结构以解决低信噪比的MIMO调制挑战。