一种改进的MQAM信号的调制方式识别算法研究
基于Hilbert变换的MQAM信号调制体制识别
第２ ８卷第 ６期 ２０ ０ ７年 ６月
通
信学报 Ｖ １ Nhomakorabea８ ＮＯ ６ ｂ ． ． ２
Ｊｎ ０ ７ ｕ ｅ２ ０
Ｊ ｕ ａ ｎ Ｃｏ ｏ ｍ ｌ ｍｍｕ ｉａｉ ｎ ｏ ｎ ｃ ｔｏ ｓ
基 于 Ｈｉ ｅｔ ｌ ｒ 变换 的 ＭＱＡ 信号调制体 制识 别 ｂ Ｍ
ＭＱＡＭ ｄ ｌｔ ｎｓｈ ｍｅｒｃ ｇ ｉｏ ｓ ｇＨｉ ｅｔ ｒ ｎ ｆｒ ｍｏ ｕａｉ ｅ ｏ ｎｔ ｎｕ ｉ ｌ ｒ ａ ｓ ｍ ｏ ｃ ｅ ｉ ｎ ｂ ｔ ｏ
ＸＩ ｉ － ｉ Ｗ ＡＮＧ ｎ － ｉ ａｘ ， Ｊ Ｚｏ ｇ ｘ ｎ
（ ｐ ｒｍｅ ｔ ｆ ｍｍｕ ｉａｉｎＳ ｉｎ ｅａ ｄＥｎ ｉｅ ｒ ｇ Ｆ ｄ ｉｅｓｔ Ｓ ａ ｇ ａ ０ ４ ３ Ｃ ｉａ Ｄｅ ａｔ ｎ ｏ Ｃｏ ｎｃ ｔ ｃｅ ｃ ｎ ｇｎ ｅｉ ， ｕ ａ Ｕｎｖ ｒｉ ｈ ｈ ｉ ０ ３ ， ｈｎ ） ｏ ｎ ｎ ｙ， ｎ ２
Ｋｅ ｒ ｓ ＭＱＡ ； ｄ ｌ ｏ ｈｍｅ ｅｏ ｎｔ ｎ ｂ ｄ ａ ； ｓｍａｉｎ Ｈｉ ｅｔ ａｓ ｒ ｙｗｏｄ ： Ｍ ｍｏ ｕａ ｎｓ ｅ ｃｇ ｉｏ ； ａ ｔ ｅｔ ｔ ； ｌ ｒｔ ｆｍ ｉ ｔ ｃ ｒ ｉ ｎ ｒｅ ｉ ｏ ｂ ｎ ｏ ｒ
１ 引言
信 号 调 制 体 制 识 别 是 通 信 信 号 分 析 的 重 要 组 成部 分 ，可 以应用 于 军用和 民用场 合 ，受 到 了较 为
ｉ ＮＲ ｓ ｇ ｅ ｔｒ ｔ ａ ２ Ｂ ｄ ｕ ｉ ｇ １ ２ ｒ ｍｏ ｅ ｓ ｍｂ ｌ． ｏ ｉ ｉ ｕ ｔ ｂ ｅ ｆ ｒ ｓｇ ａ ｅ ｅ ｔ ｎ ａ ｄ ｒ ｃ ｇ ｉ ｏ ｆ ｆＳ ｉ ｒ ａｅ ｎ １ ｄ ａ ｓｎ ０ ４ ｏ ｒ ｙ ｏ ｓ Ｓ ｔ ｓ ｓ ｉ ｌ ｏ ｉ ｎ ｄ ｔ ｃ ｏ ｅ ｏ ｎｔ ｎ ｏ ｈ ｎ ａ ｌ ｉ ｎ ｉ ｐ ａ ｔ ａ ｐ ｌ ａ ｏ ｓ ｒｃ ｃ ａ ｐｉ ｔ ｎ ． ｉｌ ｃｉ
《基于机器学习算法的通信信号调制识别》范文
《基于机器学习算法的通信信号调制识别》篇一一、引言在当前的信息化时代，通信信号调制识别是无线通信领域的重要研究方向。
传统的通信信号调制识别方法通常依赖于专家经验和复杂的信号处理算法，但在复杂的电磁环境中，这些方法的准确性和效率往往受到限制。
近年来，随着机器学习算法的快速发展，其强大的模式识别和分类能力为通信信号调制识别提供了新的解决方案。
本文旨在探讨基于机器学习算法的通信信号调制识别技术，分析其原理、方法和应用。
二、机器学习算法在通信信号调制识别中的应用原理机器学习算法通过学习大量数据中的规律和模式，实现自动分类和预测。
在通信信号调制识别中，机器学习算法通过训练大量的已知调制类型的通信信号样本，学习各种调制信号的特征和模式，然后利用这些特征和模式对未知的通信信号进行调制识别。
三、常用的机器学习算法及其在通信信号调制识别中的应用1. 监督学习算法：监督学习算法通过已知标签的训练数据集进行训练，学习输入与输出之间的映射关系。
在通信信号调制识别中，可以利用已知调制类型的训练数据集训练分类器，然后对未知的通信信号进行分类。
常用的监督学习算法包括支持向量机（SVM）、决策树、神经网络等。
2. 无监督学习算法：无监督学习算法通过无标签的训练数据集学习数据的内在规律和结构。
在通信信号调制识别中，可以利用无监督学习算法对复杂的电磁环境中的通信信号进行聚类和分析，提取有用的特征和模式。
常用的无监督学习算法包括聚类分析、密度估计等。
四、基于机器学习的通信信号调制识别的实现方法基于机器学习的通信信号调制识别的实现方法主要包括以下步骤：1. 数据采集：收集各种调制类型的通信信号样本，包括不同信噪比、不同传输条件下的信号。
2. 数据预处理：对采集的通信信号进行预处理，包括去噪、特征提取等操作，提取出有用的特征和模式。
3. 训练模型：利用预处理后的数据训练机器学习模型，如神经网络、支持向量机等。
4. 模型评估：利用已知的测试数据集对训练好的模型进行评估，检验其准确性和泛化能力。
基于一阶统计矩的数字通信信号调制方式的自动识别
基于一阶统计矩的数字通信信号调制方式的自动识别
张志民;欧建平;皇甫堪
【期刊名称】《信号处理》
【年(卷),期】2010(26)8
【摘要】数字通信信号调制方式的自动识别在军用和民用方面都具有十分要的意义.为了能自动识别MASK、MFSK、MPSK和MQAM四类信号,本文基于截获信号的一阶统计矩,提出七个特征参数,它们均可利用常规信号处理技术得到,与基于二阶或高阶矩的其它特征参数相比,这些参数提取过程具有计算量小、提取方便的优点.给出四类信号调制方式自动识别算法的实现流程,该识别算法以判决理论为基础,不要求实现码元同步.仿真结果证明,在信噪比≥7dB时,识别算法的平均识别成功率>97%,性能明显优于同类算法,有望用于实际的非协作通信系统中信号的检测和快速识别.
【总页数】6页(P1205-1210)
【作者】张志民;欧建平;皇甫堪
【作者单位】国防科学技术大学电子科学与工程学院,长沙,410073;国防科学技术大学电子科学与工程学院,长沙,410073;国防科学技术大学电子科学与工程学院,长沙,410073
【正文语种】中文
【中图分类】TN911.72
【相关文献】
1.数字通信信号调制方式自动识别研究 [J], 齐东兴
2.基于谱分析的卫星信号常用调制方式自动识别研究 [J], 郑超;陈鲸
3.基于谱分析MFSK信号调制方式的自动识别 [J], 李耐根
4.基于数字通信信号瞬时特性的调制方式识别方法 [J], 王海滨; 周正; 李炳荣; 解传军
5.探讨数字通信信号调制方式自动识别算法 [J], 杨胜义
因版权原因，仅展示原文概要，查看原文内容请购买。
高阶QAM信号调制识别算法
高阶QAM信号调制识别算法徐江民;高勇【摘要】高阶多进制正交振幅调制(QAM)有较高的频谱利用率和容错能力.针对QAM信号高阶调制方式,提出了一种M-QAM信号的识别算法.首先经CZT、HOS 估计频偏和相偏,然后从信号的四次方谱和分形维数中,提取一组鲁棒性强的特征参数,同时运用信号子空间估计信噪比,实现16QAM、32QAM、64QAM和128QAM信号的调制识别.在高斯白噪声背景下仿真表明,算法能适应较大的信噪比动态范围,整体信噪比大于13 dB时可以达到90％以上的识别率,且盒维数抗噪声性能较好.【期刊名称】《无线电工程》【年(卷),期】2014(044)001【总页数】4页(P32-35)【关键词】四次方谱;盒维数;子空间;盲信噪比估计【作者】徐江民;高勇【作者单位】四川大学电子信息学院,四川成都610065;四川大学电子信息学院,四川成都610065【正文语种】中文【中图分类】TN9110 引言近10年来，国内外众多著作文献都不约而同地关注了通信信号的调制与识别，并提出了许多自动调制识别算法［1，2］。
虽然早期文献都涉及到信号的自动调制识别，但只停留在模拟信号和某些简单的数字调制信号自动识别，如文献［2］通过四阶累积量和六阶累积量的组合实现了2ASK、4ASK、4PSK、2FSK和4FSK 五种数字调制信号的识别。
高阶QAM信号由于其频谱利用率很高以及较高的噪声容限能力，在卫星和微波通信中得到了广泛的应用，引起了众多学者对M-QAM 信号调制识别的关注，但目前还很少有人研究128QAM及以上QAM的识别。
文献［3］应用聚类和粒子群的思想实现64QAM及以下的M-QAM的识别，但无法应用于高阶QAM的识别且计算量大。
文献［4］仅仅识别了16QAM和32QAM。
文献［5，6］分别基于高阶累积量和小波变换实现QAM、ASK、PSK 信号类间识别，但未进行有效QAM信号类内识别。
文献［7］提出根据包络概率密度函数波峰数区分16QAM和32QAM。
mqam调制原理 -回复
mqam调制原理-回复MQAM调制是多载波调制中的一种调制方式,是指在一个载波中,同时调制多个幅度不同的正弦信号进行传输. 这种调制方式常用于数字通信系统中,可以实现高效率的数据传输. 本文将从基本原理、信号生成、调制过程以及解调过程等方面进行深入讲解.一、基本原理MQAM调制是将多个正弦信号同时调制到一个载波上进行传输的一种调制方式. MQAM的"M"代表着调制级数, 即每个符号传输的比特数. 例如, 对于4-QAM调制方式来说, 每个符号代表传输2个比特. 同时, "QAM"代表着调制方式为正交调幅. 正交调幅是通过在两个正交的轴向上调制,同时实现两个信号的独立传输.二、信号生成MQAM调制需要生成多个幅度不同的正弦信号. 首先, 需要生成具有不同幅度的基带信号,然后再通过载波进行调制. 波形生成可以通过数字信号处理算法实现. 基本的步骤如下:1. 将要传输的数据转换为二进制格式.2. 将二进制数据根据调制级数分组, 每组包含M个连续的比特.3. 将每组二进制数据映射到相应的幅度值, 并通过低通滤波器产生相应幅度的正弦波.4. 通过载波对这些正弦波进行频率移位, 使其与载波处于同一频率范围.5. 最后将这些调制后的波形通过混合器, 与载波进行调制, 生成MQAM 调制信号.三、调制过程MQAM调制的核心是将基带信号调制到载波上. 调制过程如下:1. 将载波信号分为正交的两路, 分别记为I路和Q路.2. 通过乘法器, 将基带信号与正交载波信号进行调制生成调制后的信号.3. 将I路和Q路的调制信号相加, 生成最终的MQAM调制信号.四、解调过程解调过程与调制过程相反, 是为了将MQAM信号转换为原始的基带信号. 解调过程如下:1. 将接收到的MQAM信号通过混频器, 与相同载波进行混合.2. 将混合后的信号分为I路和Q路.3. 对I路和Q路的信号进行滤波, 再进行采样恢复为离散信号.4. 将恢复后的信号进行解调映射, 得到解调后的二进制数据.通过以上的步骤, 可以实现MQAM信号的传输和解调, 进而实现高效率的数据传输. MQAM调制在数字通信系统中的应用广泛, 是一种非常重要的调制方式.。
基于机器学习的通信信号调制识别方法研究
摘要信号的调制识别技术在通信系统模型的中间位置，它位于通信信号检测之后，信号的解调之前，在非协作通信环境中信号的调制识别是一个极为重要的关键技术。
并且由于电磁环境愈加复杂，信道环境复杂多变，因此研究基于统计模式的信号自动识别技术中的两个关键模块就至关重要，即提取能够代表不同调制方式的通信信号的稳定特征，并且设计精度更高的分类器去适应更加复杂的环境是亟待解决的问题。
本课题主要针对非协作通信过程中对敌方的信号进行侦查，为了在复杂噪声环境中确定敌方通信信号的调制样式，本课题研究了机器学习的方法，并将其应用于信号的调制样式识别当中。
在识别过程中包括特征提取和分类器设计两个步骤，由于所提取特征的好坏程度需要通过分类器定量分析，因此，本文首先构建了一种基于粒子群算法与主成分分析联合优化的极限学习机网络作为分类器并将其应用于通信信号调制识别中，在此基础上，提取了信号的二维Holder系数特征，通过该特征对比了几种极限学习机分类器在不同信噪比情况下对信号识别的性能，仿真结果表明，本文构建的极限学习机网络的分类识别精度最高。
其次，针对四类数字信号在信噪比较低时识别率较低的问题，将栈式自动编码器应用于通信信号特征提取中，并接入PCA-ELM分类器，构建了基于栈式自动编码器与极限学习机的深度学习网络，利用该网络提取信号时频图像的特征并同时达到识别信号调制样式的目的，仿真结果表明该方法在信噪比为-2~2dB时也能对信号进行有效识别。
最后，针对时频分析与深度学习网络不足以用来识别FM信号、PM信号和16QAM 信号的问题，本文提取了7类信号（FM、PM、2ASK、2FSK、BPSK、QPSK、16QAM）的香农熵特征、指数熵特征和范数熵特征构成三维熵特征模块，在此基础上，将三维熵特征与云模型理论结合，提取了信号的改进熵云特征，进一步提高了各类信号的类间分离度，并通过PSO-ELM-PCA分类器对提取的改进熵云特征进行分类，通过仿真显示当信噪比是-7~-3dB时也得到了比较理想的各类信号的识别结果。
无线通信中的调制识别技术研究
无线通信中的调制识别技术研究随着无线通信技术的不断发展和普及，人们对于无线信号的调制方式识别技术越来越感兴趣。
调制方式识别技术是指通过对无线信号进行分析和识别，获取其调制方式信息，从而实现无线信号的分类和判别。
在无线通信领域，调制识别技术是非常重要的一个研究方向，它不仅可以应用于通信系统的性能分析和故障诊断，还可以被广泛地应用于无线电侦听、无线频谱监测等领域。
一、无线信号调制方式的分类在介绍调制识别技术之前，我们需要了解不同调制方式的分类。
在无线通信中，常见的调制方式包括：幅度调制（AM）、频率调制（FM）、相位调制（PM）、多进制调制等。
1. 幅度调制（AM）幅度调制是指将信号的幅度按比例变化来调制载波的调制方式。
在实际应用中，幅度调制被广泛应用在调幅广播、调幅电视等领域。
其主要特点是调制信号范围有限、抗干扰能力差，对信号的调制深度要求较高。
2. 频率调制（FM）频率调制是指将信号的频率按比例变化来调制载波的调制方式。
在实际应用中，频率调制广泛应用于调频广播、音频传输等领域。
其主要特点是调制信号范围较大、抗干扰能力较强，但对于载波频率稳定度要求较高。
3. 相位调制（PM）相位调制是指将信号的相位按比例变化来调制载波的方式。
在实际应用中，相位调制广泛应用于调制信号传输距离较远的场合，如卫星通信、数字通信等领域。
其调制范围较小、抗干扰能力较强。
4. 多进制调制多进制调制是将不同的调制方式组合在一起进行调制，以进行更有效和更高质量的数据传输。
常见的多进制调制方式包括QAM、PSK、FSK等。
二、调制识别技术的研究意义在无线通信领域，调制识别技术具有非常重要的意义。
首先，通过对无线信号的调制方式进行识别，可以更好地进行通信系统的性能分析和故障诊断，从而实现对无线通信系统的优化配置；其次，通过无线信号的调制方式识别，可以判断无线通信系统中是否存在非法入侵或恶意干扰行为，对网络安全和信息安全具有非常重要的监管和保障作用。
MIMO-OFDM系统中一种改进的QRM-MLD检测算法
下 大 大 减 少 检 测 过 程 的 访 问 节 点 数 ，降 低 了 算 法 的 平 均 复 杂 度 。
关 键 词 ：多输 入 多输 出 ；正 交 频 分 复 用 ；ＱＲＭ—ＭＬＤ；球 形 译 码 ；信 号 检 测
中 图 分 类 号 ：ＴＮ９１９．３
文 献 标 识 码 ：Ａ
ＤＯＩ：１０．１９３５８／ｊ．ｉｓｓｎ．１６７４—７７２０．２０１６．０９．０２０
Ｋｅｙ ｗｏｒｄｓ：ＭＩＭＯ；ＯＦＤＭ ；ＱＲＭ—ＭＬＤ；ｓｐｈｅｒｅ ｄｅｃｏｄｉｎｇ；ｓｉｇｎａｌ ｄｅｔｅｃｔｉｏｎ
０ 引 言 在 平 坦 衰 落信 道 下 ，多 输 入 多 输 出 （ＭＩＭＯ）技 术 能 给
无 线 通 信 系 统 带 来 显 著 的 容 量 提 升 ，而 正 交 频 分 复 用 （ＯＦＤＭ）技 术 能将 一 个 宽 带 频 率 选 择 性 衰 落 信 道 转 变 为 若 干个 窄 带平 坦 衰 落 子 信 道 。 因 此 结 合 二 者 技 术 优 势 的 多输 入 多 输 出 正 交 频 分 复 用 （ＭＩＭＯ—ＯＦＤＭ）无 线 通 信 系 统 已成 为 新 一 代 高 速 无 线 通 信 系 统 中 的 研 究 热 点 。 。 ＭＩＭＯ检 测 是 ＭＩＭＯ．ＯＦＤＭ 系 统 接 收 端 最 复 杂 的 任 务 ，常 见 的信 号 检 测 算 法 有 ：复 杂 度 低 但 检 测 性 能 不佳 的 线 性 检 测 方 法 ，如 迫 零 （Ｚｅｒｏ Ｆｏｒｃｉｎｇ，ＺＦ）算 法 和 最 小 均 方 误 差 （Ｍｉｎｉｍｕｍ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ，ＭＭＳＥ）算 法 ；理 论 上 具 有 最 优 检 测 性 能 但 复 杂 度 过 高 的 算 法 ，如 最 大 似 然 （Ｍａｘｉ— ｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ，ＭＬ）检 测 算 法 ；具 有 次 优 检 测 性 能 的 方 法 ，如 球 形 译 码 算 法 ’ 。球 形 译 码 算 法 复 杂 度 比 ＭＬ算 法 大 大 降 低 ，使 其 能 在 硬 件 上 得 以实 现 ’ 。 按 照 搜 索 策 略 的不 同 ，可 将 球 形 译 码 的 树 搜 索 策 略 分 为 Ｆｉｎｃｋｅ—Ｐｏｈｓｔ 策 略 和 Ｓｃｈｎｏｒｒ—Ｅｕｃｈｎｅｒ策 略两 类 ，也 常 称 为 深 度 优 先 树 形
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａｂｓ ｔ ｒ ａ ｃ ｔ ： Ｔｈｅ ｍｏ ｄｕ ｌ ａ ｔ ｉ ｏｎ ｍｏ ｄｅ ｉ ｄ ｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｔ ｅ ｃ ｈ ｎｉ ｑ ｕ ｅ ｏ ｆ ｄ ｉ ｇｉ ｔ ａ ｌ ｓ ｉ ｇ ｎａ ｌ ｉ ｓ ｏ ｎｅ ｏｆ ｔ ｈｅ ｃ ｒ ｕ ｃ ｉ ａ ｌ ｔ ｅ ｃ ｈ— ｎｏ ｌ ｏｇ ｉ ｅ ｓ ｏ ｆ ｂ ｌ ｉ ｎｄ ｓ ｉ ｇｎ ａ ｌ ｐｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ． Ｔｈｉ ｓ ｐａ ｐｅ ｒ ｓ ｔ ｕ ｄｉ ｅ ｓ ｔ ｈｅ ｉ ｎｔ ｅ ｒ — ｃ ｌ ａｓ ｓ ｉ ｄ ｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ ｍｕ ｌ ｔ ｉ —
２ ０ １ ３年 ２月
舰 船 电 子 对 抗
ＳＨ Ｉ ＰＢ０Ａ ＲＤ ＥＩ ＥＣＴＲ（ ） ＮＩ Ｃ Ｃ０ Ｕ ＮＴ ＥＲＭ ＥＡＳＵ ＲＥ
Ｆｅ ｂ ． ２ ０１ ３
Ｖ ０Ｉ ． ３ＭＱＡＭ 信 号 的调 制 方 式识别 算法研 究
０ 引 言
当前伴 随着 通信 技 术 日新 月 异 的发 展 ， 无 线通 信 的 电磁 环境 越来 越 复 杂 ， 所 以在 复杂 电磁 环境 下 如何 能 够有效 地掌 握未 知信号 的调 制体制 及参 数是 电声 信 号处理 领域 的重 要研究 课题 之一 ｊ 。信 号调 制方 式识 别技 术就 是指 在未 知信号 任何参 数 的前提 下 正确判 决接 收信 号 调 制 方式 的盲 信 号 处理 技 术 ， 其 主要分 为类 间识别 和类 内识 别两 大类 。其 中类 间 识别 是 指不 同调 制体 制 之 间 的识 别 ， 比如 多 进制 正 交 幅度 调 制 （ ＭＱＡＭ） 信号 ， 多 进 制 数 字 相 位 调 制
Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｆ ＭＱＡＭ Ｓ ｉ ｇ ｎ ａ ｌ
ＺＨＥＮＧ Ｊ ｕ ｎ — ｊ ｉ ｅ ， Ｗ ＡＮＧ Ｘｉ ａ ｏ — ｄ ｏ ｎ ｇ
（ Ｕｎ ｉ ｔ ９ ２ ７ ８ ５ ｏ ｆ Ｐ ＬＡ ， Ｑｉ ｎ ｈ ｕ ａ ｎ ｇ ｄ ａ ｏ ０ ６ ６ ２ ９ ９， Ｃｈ ｉ ｎ ａ ）
郑钧 杰 ， 王 晓东
（ 解 放军 ９ ２ ７ ８ ５部 队 ， 秦 皇岛 ０ ６ ６ ２ ９ ９ ）
摘要： 数字信号调制方式识 别技 术是 盲信 号处理 的关 键技 术之 一 ， 研 究 了基 于减法 聚类 的多 进制 正交 幅度 调 制
（ ＭＱＡ Ｍ） 信 号 的 类 内识 别 方 法 ， 针对该类识别算法需要的统计数据量较 大 、 不适 用于短 突发信号 的缺点 ， 提 出 了 一 种改进算法并对其识别性能进行了仿真实验， 仿真结果表明改进算法处理短 突发信号能够取 得较高的识别率 ， 具 有
ｔ ｈｅ ｄ ｉ ｓ ａ ｄｖ ａ ｎ ｔ ａ ｇ ｅ ｓ ｔ ｈ ａ ｔ ｔ ｈｅ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ａ ｌ ｄａ ｔ ａ ｑ ｕａ ｎｔ ｉ ｔ ｙ ｎ ｅ ｅ ｄｅ ｄ ｂｙ ｔ ｈｉ ｓ ｃ ｌ ａ ｓ ｓ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇｏ ｒ ｉ ｔ ｈｍ ｉ ｓ ｌ ａ ｒ ｇｅ ａ ｎ ｄ ｔ ｈｉ ｓ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ｉ ｓ ｎ ｔ ｓ ｕｉ ｔ ａ ｂｌ ｅ ｆ ｏ ｒ ｔ ｈ ｅ ｓ ｈ ｏ ｒ ｔ ｂ ｕｒ ｓ ｔ ｓ ｉ ｇ ｎａ ｌ ， ｐｕ ｔ ｓ ｆ ｏ ｒ ｗａ ｒ ｄ ａ ｎ ｉ ｍｐｒ ｏ ｖ ｅ ｄ ａ ｌ ｇｏ —
ｐ ｉ ｅ ｑ ｕ ａ ｄ ｒ ａ ｔ ｕ ｒ ｅ ａ ｍｐ ｌ ｉ ｔ ｕ ｄ ｅ ｍｏ ｄ ｕ ｌ ａ ｔ ｉ ｏ ｎ（ Ｍ ＱＡＭ ） ｓ ｉ ｇ ｎ ａ ｌ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｓ ｕ ｂ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ ， ａ ｉ ｍｉ ｎ ｇ ａ ｔ
ｄｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｐｒ ｏ ｂａ ｂｉ ｌ ｉ ｔ ｙ ａ ｎｄ ｐｏ ｓ ｓ ｅ ｓ ｓ ｄ ｅ ｆ ｉ ｎｉ ｔ ｅ ｐ ｒ ａ ｃ ｔ ｉ ｃ ａ ｌ ｖ ａ ｌ ｕ ｅ ． Ｋｅ ｙ ｗｏ ｒ ｄｓ ： ｍｏ ｄｕｌ ａ ｔ ｉ ｏ ｎ ｍｏｄ ｅ； ｉ ｎ ｔ ｅ ｒ — ｃ ｌ ａ ｓ ｓ ｉ ｄ ｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ； ｓ ｉ ｇｎ ａ ｌ ｎ ｏ ｉ ｓ ｅ ｒ ａ ｔ ｉ ｏ； ｉ ｄ ｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｂ ａ ｂｉ ｌ ｉ ｔ ｙ
一
定 的实 用 价 值 。
关 键词 ： 调制方式 ； 类 内识别 ； 信 噪比； 识别率
中图分 类号 ： Ｔ Ｎ ９ １ １ ． ６
文献 标识 码 ： Ａ
文章 编号 ： Ｃ Ｎ ３ ２ — １ ４ １ ３ （ ２ ０ １ ３ ） ０ １ — ０ ０ ６ ６ — ０ ３
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｉ ｎ ｔ ｏ Ａｎ Ｉ ｍ ｐｒ ｏ ｖ ｅ ｄ Ｍ ｏ ｄ ｕ ｌ ａ ｔ ｉ ｏ ｎ Ｍｏ ｄ ｅ Ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ Ｏ ｎ
ｒ ｉ ｔ ｈｍ ， ａ ｎｄ ｐ ｅ ｒ ｆ ｏ ｒ ｍｓ ｔ ｈｅ ｓ ｉ ｍ ｕｌ ａ ｔ ｉ ｏ ｎ ｅ ｘ ｐｅ ｒ ｉ ｍｅ ｎ ｔ ｔ ｏ ｉ ｔ ｓ ｉ ｄｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｐｅ ｒ ｆ ｏ ｒ ｍａ ｎ ｃ ｅ ． Ｔ ｈｅ ｓ ｉ ｍ ｕｌ ａ ｔ ｉ ｏ ｎ ｒ ｅ — ｓ ｕ ｌ ｔ ｓ ｈｏ ｗｓ ｔ ｈ ａ ｔ ｕ ｓ ｉ ｎｇ ｔ ｈ ｅ ｉ ｍｐ ｒ ｏｖ ｅ ｄ ａ ｌ ｇｏ ｒ ｉ ｔ ｈｍ ｔ ｏ ｐ ｒ ｏｃ ｅ ｓ ｓ ｔ ｈｅ ｓ ｈｏ ｒ ｔ ｂｕ ｒ ｓ ｔ ｓ ｉ ｇｎ ａｌ ｃ ａ ｎ ｇ ａ ｉ ｎ ｈ ｉ ｇ ｈｅ ｒ ｉ —