在高信噪比处理域构造新的用于调制识别的高阶统计量幅值特征,与传统特征相比保留了更多的分类信息，适合干扰较大多种调制模式并存的环境。基于联合特征向量有效提高了识别性能，用窗口平滑抑制截获信号中的噪声，对识别器输入特征向量样本规范化以提高处理速度。分别基于欧氏距离分类方法和改进算法的神经网络识别器进行仿真实验，证明了采用联合特征向量和优化方法在低信噪比干扰更大的信道条件下能区分更多的调制类型(MASK、MPSK、MFSK、MQAM)，且平均调制识别率提高200%，算法效率也得到明显提高。

决策树分类法识别ASK

六种数字调制信号的识别matlab程序，包括2ask、4ask和2fsk和4fsk和2psk和4psk，程序完整可运行，可参考借鉴

在非协作通信中，需要对接收的信号进行调制方式的自动识别。在高阶累积量域内构造信号识别的特征向量，采用基于二叉树的支持向量机将识别特征向量映射到高维空间并构造最优分类超平面，实现对数字调制信号的自动识别。该算法不仅结构简单、计算量小，而且解决了样本在低维空间中的不可分问题，具有良好的泛化推广能力。理论分析和仿真结果证明了该算法的正确性和有效性。

零零均衡matlab代码使用神经网络和高阶统计的盲数字调制识别 最终项目 - 人工智能课程 (ECSE 526) - 麦吉尔 - 2016 年秋季 有关系统型号、配置和结果的更多详细信息，请参阅 和 。 指示 在文件夹中，您应该能够找到几个功能来执行不同的通信系统和性能评估任务。 每个函数都以这样的方式命名，它提供了一个关于它执行什么的清晰概念，并对其开始详细说明。 创建的神经网络命名为 NNxxx.m，其中 xxx 根据 SNR 训练级别和它执行的任务而变化。 例如，要测试以 15dB 训练的 NN，您可以执行以下操作： 使用 modulateSignal.m 生成和调制信号 执行空时编码：alamoutiSpaceTimeCoding.m 通过通道发送得到接收到的噪声调制信号：receivedEqualizedModulatedSignal.m 均衡接收信号zer forcing：coherent_ZF_receiver.m 计算特征： featuresComputationModulatedSignal.m 将它们传递给神经网络 NN15dB，你会得到一个长度为 6 的向量。 最

matlab识别数字信号调制方式，瞬时信息的获取，一般调制样式识别过程的框架结构，调制信号识别中应注意的问题