调制信号识别在多种民用和军用领域中扮演关键角色,如认知无线电、频谱监测等。在实际无线通信中,多径信道会引起信号的失真,信号识别变得更有挑战性。正交频分复用(OFDM)在多径信道中传输信息时因具有高频谱利用率、高传输速率等优点,是当代和下一代高速率无线通信系统的主要备选方案。故研究OFDM信号的调制识别与参数估计具有重要的理论与实际意义。因此,本文以非协作通信为背景,在多径信道下,对不同OFDM标准协议信号的识别展开研究,并对OFDM的部分参数进行估计。本文主要工作如下:(1)针对常数模算法(CMA)、修正常数模算法(MCMA)等盲均衡算法的代价函数中使用了发射信号星座的先验信息的局限,为了将MCMA算法应用到非协作通信调制识别的场景下,将其代价函数和迭代步长加以改进,获得了可应用于非协作通信条件下的VNMCMA算法。仿真表明,其均衡后的星座图更清晰,且在保证收敛速度的同时,有效的降低了剩余符号间干扰,并用VNMCMA算法对OFDM有效子载波作盲均衡,其可以有效改善多径带来的影响。(2)研究了基于高阶累积量来检测OFDM信号的方法。并根据实际通信中某时刻接收机可能只接收到高斯白噪声,这时高斯白噪声的高阶累积量值与OFDM的值很接近。针对这一不足,本文联合高阶累积量和循环前缀来检测OFDM信号,并估计其部分参数,分析并通过仿真验证了该算法的有效性。(3)改进了基于星座图聚类来识别OFDM有效子载波的方法。减法聚类对领域半径很敏感,模糊聚类需要预先指定聚类数目,其对初始聚类中心、模糊因子敏感,以及其有效性函数的多样性。针对这些不足,改进后的算法能动态地确定聚类数目和减法聚类的领域半径,用其聚类后得到的聚类中心代替模糊聚类的初始聚类中心,并联合Xie-Beni指标和聚类后星座图的相对半径评价聚类的合理性,可以自动确定信号的最佳聚类数目和调制类型。仿真表明,当信噪比大于等于13dB时,改进的算法能够更准确地识别信号的调制方式,有更好的聚类性能,能减少模糊聚类达到收敛的迭代次数,扩大了可识别信号的范围,并且盲均衡后识别要比直接识别约有2dB的信噪比增益。