目前信号调制模式自动识别技术已经成为学者们讨论的热门话题,但由于通信环境呈现出一种越来越复杂、越来越智能的趋势,并且信号容易被大量复杂的噪声所印象,而信噪比是一种衡量一段信号好坏的标准之一。信噪比越高越能保证整个通信系统的质量,因此提高信噪比十分重要。在非协作通信中,双方无法预知传输信号的调制模式,而为了进行后续的解调,调制模式的自动识别是十分重要的。在前人的基础上,本文对三种四进制调制信号4ASK、4FSK、4PSK的产生原理进行了分析并得到了其时频域波形理论仿真图。介绍了高斯白噪声在通信系统中的影响,对含噪调制信号在信噪比为7dB和信噪比为20dB的环境中进行了仿真。论文详细阐述了一种新型的信号预处理方法—变分模态分解VMD。VMD算法可以将原始输入信号按照特定的层数在不同频率自适应地进行分解。文章对信噪比分别为7dB和20dB的三类调制信号的VMD分解进行了仿真,得到了分解后各个信号的波形与频谱图,可以从不同层次深入研究信号。本论文的主要实验内容为对含噪调制信号通过VMD分解结合能量熵的算法进行去噪处理。考虑信噪比为7dB的含噪信号,通过分解后的信号分量能量熵选取不同层的信号,将噪声分量直接剔除,最后再通过幅度阈值进行二次去噪,可得到比较纯净的去噪噪声。从实验输出信号与原始信号的时域波形对比、信噪比对比、均方根误差值三个参数来评断该算法的去噪效果,验证算法的可行性以及对4ASK、4FSK、4PSK三种信号的适用性。利用这三类经过VMD算法分解且去噪后的调制信号分量,提取能够有效实现类间模式分类的特征量--瞬时幅度相关性系数和瞬时频率相关性系数能量_#$%&,通过多次仿真实验产生各1000个数据的样本,结合支持向量机对三类信号进行自动分类识别,得出在去噪之后调制信号的分类识别率。最后对比三种信号在不同低信噪比的环境下,VMD与EMD两种去噪算法对识别准确率的提升,验证本算法的优势。