软件无线电是适应无线通信领域不断发展的多频段、多制式、多协议、多服务等需求而提出的一种无线通信的新结构。由于多调制的存在，就要有自动的调制样式的识别方法，信号调制样式的自动识别是软件无线电接收机必须具备的功能之一。 自动调制样式是软件无线电接收机设计中的瓶颈，针对这一课题，本文深入研究了软件无线电接收机和神经网络模式识别的基本理论，确定以单通道宽带中频带通采样软件无线电接收机为研究模型，应用BP神经网络对软件无线电接收机调制样式的自动识别进行仿真研究，实验中以Matlab7软件为仿真工具。 特征提取是模式识别的关键环节，本文从时域提取信号特征并深入进行了仿真分析。信号预处理采用了去卷绕、去线性相位分量、分伪码元等手段，减小了信道和噪声对信号瞬时特征的影响，使被提取的信号瞬时特征更接近理想情况。 在识别算法上，本文提取了两个新的能识别多进制数字通信信号的识别参数，改进了Nandi等人的算法，使得可识别的数字调制方式的种类更适于实际应用。 本文采用改进的BP算法，设计BP神经网络分类器。针对传统的标准BP算法存在着诸如训练速度慢、易陷入局部极小点等问题，文中给出了改进的方法。 评估基于神经网络的数字调制自动识别系统的性能，结果表明，当信噪比不小于10dB时，系统仿真识别成功率不小于92.6％。同时，论文权衡识别成功率和识别速度研究了仿真时理想的信号段长度。 本文的创新点在于：提出了两个新的调制识别参数，构建了能识别多进制调制信号的识别参数集，拓展了可识别的数字调制方式的种类，改进了Nandi等人的算法。并使用改进的BP算法，设计BP神经网络分类器，提高了网络分类器的识别性能。