针对通信信号调制方式识别问题，提出了采用高阶累积量与信号瞬时特征相结合提取通信信号特征参数的方法，并讨论了利用获得的特征参数进行模拟、数字通信信号调制方式识别的方法和过程。实验结果表明，该方法对通信信号调制方式有很好的识别效果。 通信信号调制识别技术是现代通信系统中一个关键的组成部分，它涉及到对信号传输特性的理解和分析。在复杂的通信环境中，正确识别信号的调制方式至关重要，因为它直接影响着信息的解码和恢复效率。本文主要探讨了一种结合高阶累积量和信号瞬时特征的新型调制识别方法，旨在克服传统识别技术的局限性。 高阶累积量是统计学中的一个概念，用于描述随机变量的非线性特性，特别是在处理非高斯噪声时表现出优势。相较于传统的二阶统计量（如均值和方差），高阶累积量能够捕捉信号的复杂结构，对非高斯噪声具有更好的抗干扰能力。在通信信号调制识别中，高阶累积量可以有效区分不同调制方式产生的信号，因为它们在高阶统计特性上存在差异。例如，AM（幅度调制）、ASK（振幅键控）和FSK（频率键控）等调制方式在高阶累积量上的表现各有特点。 然而，单纯依赖高阶累积量可能存在一个问题，即对于某些调制方式，它们的高阶累积量参数可能过于相似，导致难以进行准确的区分。另一方面，信号瞬时特征，如频率、相位或幅度的变化，可以提供关于信号结构的额外信息。但噪声可能会干扰这些特征的提取，降低识别精度。 为了解决上述问题，本文提出了一种综合运用高阶累积量和信号瞬时特征的方法。通过同时考虑这两种特征，可以增强识别的鲁棒性，减少误识别的可能性。这种方法首先计算信号的高阶累积量，然后提取信号的瞬时特征，如瞬时频率、幅度和相位的变化率。将这两类特征参数组合在一起，构建一个全面的特征向量，用于区分不同的调制类型。实验结果证明，这种方法在AM、2ASK、4ASK、2FSK、4FSK、8FSK、2PSK、4PSK、16QAM等九种模拟和数字通信信号中都能取得良好的识别效果，即使在不同的信噪比条件下也能保持较高的识别率。 这一研究不仅为调制识别提供了新的思路，还为优化通信系统的性能开辟了新的途径。结合高阶累积量和瞬时特征的方法有望在未来的通信系统设计中发挥重要作用，尤其是在复杂环境和高干扰条件下的信号处理。通过这种技术，可以实现更高效、更准确的信息传输，从而提升整个通信网络的性能和可靠性。

针对6G时代将会是移动通信与人工智能紧密结合的时代，产生数量庞大的边缘智能信号处理节点的趋势，提出了一种可部署于资源受限的边缘设备上的高效智能电磁信号识别模型。首先，通过绘制电磁信号的星座图将电磁信号具象为二维图像，并根据归一化点密度对星座图上色以实现特征增强；然后，使用二值化深度神经网络对其进行识别，在保证识别准确率的同时明显降低了模型存储开销以及计算开销。采用电磁信号调制识别问题进行验证，实验选取常用的8种数字调制信号，选择加性高斯白噪声为信道环境。实验结果表明，所提方案可以在信噪比为-6～6 dB的噪声条件下获得96.1%的综合识别率，网络模型大小仅为166 KB，部署于树莓派4B的执行时间为290 ms，相比于同规模的全精度网络，准确率提升了0.6%，模型缩减到

如何利用小波变换来进行数字信号的调制识别，并用matlab软件对识别算法进行仿真，得出仿真结果。

浅谈机器学习在短波信号调制识别中的应用.pdf

通信信号调制识别越来越受到国内外学者的重视, 本文对通信信号的调制识别技术的内容、方法作 了一个综述, 总结了一些典型的方法, 提出了一些自己的观点和展望

行业分类-电信-Alpha稳定分布噪声下MFSK信号调制识别方法.rar

通信信号调制方式自动识别在信号检测、威胁分析、频谱监测等领域有着重要的地位，是非合作通信关注的关键技术。针对单一累积量调制信号识别有限且识别率低等问题， 利用信号的二、四、六阶累积量特征所构造的矢量集，实现了ＭＡＳＫ、ＭＰＳＫ、ＭＦＳＫ、ＭＱＡＭ四类信号的类间识别，以及２ＡＳＫ、４ＡＳＫ、８ＡＳＫ，２ＰＳＫ、４ＰＳＫ、８ＰＳＫ，２ＦＳＫ、４ＦＳＫ、８ＦＳＫ，４ＱＡＭ、１６ＱＡＭ、６４ＱＡＭ的类内识别。在Ｍａｔｌａｂ环境下进行了仿真实验，实验结果表明，该方法在信噪比大于５ｄＢ时可以达到９０％以上的识别率。

用matlab对MPSK信号进行调制识别的程序，内容完整，能够修改各种数据

提出了频率选择性衰落信道条件下区分GLSFBC 结构的多载波信号（OFDM）和单载波信号（MFSK、MPSK、MQAM）的调制识别算法。该算法基于接收信号的高阶累积量，只需直接对接收的中频信号进行识别处理，不需要发射信号和信道的先验知识。仿真结果表明，在SNR高于7 dB时识别率可以达到90%。

11种数字模拟混合信号调制识别源码，验证过，但是似乎有些问题，请高手顺便指点下呵呵