文档介绍：数字通信信号自动调制识别算法研究
重庆大学硕士学位论文
（学术学位）
学生姓名：陈 印
指导教师：谭晓衡 教 授
专 业：通信与信息系统
学科门类：工 学
重庆大学通信工程学院
二 O 一二年四月
Study on Automatic Modulation Recognition
Algorithms of Digital Modulated Signals
A Thesis Submitted to Chongqing University
in Partial Fulfillment of the Requirement for the
Master’s Degree of Engineering
By
Chen Yin
Supervised by Prof. Tan Xiaoheng
Specialty: Communication and Information System
College of Communication Engineering of
Chongqing University, Chongqing, China
April, 2012
摘 要
数字通信信号的自动调制识别技术是通信系统中信号解调、信息提取和信号
检测的关键技术，在合作和非合作通信领域都具有很重要的应用价值。
本文在分析和总结国内外相关研究成果和最新研究进展的基础上，针对调制
识别最重要的两个部分，即特征参数提取和分类识别进行了比较深入的研究。
本文的主要研究内容和工作包含以下几个方面：
首先，研究并实现了两种特征参数提取方法，即基于瞬时信息和基于高阶累
积量的特征参数提取方法，结合这两种方法提取出一组性能优良的联合特征参数
集，其中由于瞬时信息易受噪声影响，采用了改进的小波阈值消噪算法对其进行
优化。
其次，研究了基于决策树的分类器的分类性能，根据提取的联合特征参数集，
设计了基于决策树分类器的十种待识别数字调制信号的判别流程。仿真分析了该
分类器的识别性能，仿真结果表明当信噪比在 5dB 及其以上时，能获得较好的识
别效果。由于决策树分类器过于依赖每个特征参数的选取以及受固定门限值的影
响，在低信噪比条件下，识别性能不佳。
再次，针对决策树分类器的缺点，引入了神经网络分类器，分析了 BP 网络的
分类原理，给出了三种改进算法，仿真分析了三种算法的性能，并选取 RPROP 算
法作为本文 BP 网络分类器的训练算法。仿真结果表明，神经网络用于模式识别作
为分类器时，在信噪比为-2dB 时能使所有信号获得 98%以上的识别率，但其也存
在明显的不足，如：存在欠学****过学****和陷入局部极小值