通信信号调制类型的分类识别是一种典型的模式识别问题，它涉及到很多复杂的特殊因素。随着通信技术的飞速发展，通信信号的体制和调制样式变得更加复杂多样，信号环境日趋密集，使得常规的识别方法和理论很难适应实际需要，无法有效地对通信信号进行识别，这也给通信信号的识别研究提出了更高的要求。 近几十年来人们在通信信号的识别方面作了大量有益的探索，提出了很多新思路和新方法，但是这些方法都是基于固定的信噪比，没有涉及信噪比变化时的信号识别问题。实际上，通信信号经过无线信道的传输，信噪比变化范围较大，通常在几dB到几十dB的范围变化，这将导致从同一类信号的不同信噪比样本中提取的同一种特征有可能产生严重的畸变，相当于成倍增加了待识别信号的类别，使分类器的识别率降低。现有通信信号的识别情况即是如此，其有效识别率都在SNR=10dB以上，加之他们大都采用决策理论和统计模式识别的方法，分类信息的利用较低，很难精细刻划它们，并且特征提取往往带有较大的盲目性和经验性，因而造成识别能力不强，识别效率低下的情况。 围绕通信信号信噪比变化范围较大的特点，本文主要工作体现在通信信号的特征提取、特征选择和分类器设计这三个方面，提出了新的品质优良的特征，能够得到最优结果的特征选择方法和多种有效的单个分类器与组合分类器设计的方法。 本文的创新之处在：1．利用小波分解，提出了有抗噪声干扰的小波细节特征，并在理论上证明了 它对噪声的不敏感性。2．利用不同调制信号波形变化的特点，提出了具有优良分类品质的分形特 征，并且进行了性能分析。3．提出了一种在提取Lempel-Ziv复杂度特征时信号序列重构的方法，使该特 征具有一定的抗噪性能。4．在深入研究现有特征选择方法的局限性基础上，提出了一种基于遗传算 电子科技大学博士论文 法，并能够得到最优解的特征选择方法。5．引人不确定性推理的思想，提出了当所提取的特征对信噪比变化不敏感情 况下采用的单个分类器设计方法，这些高性能的分类器有最佳分类器，证 据嵌人分类器等；当所提取的特征对信噪比变化敏感时，这时可采用组合 分类的方法实现大信噪比变化范围内信号的有效识别，它包括本文提出的 证据区间组合分类器。模糊积分组合分类器、高效非线性组合分类器和分 层结构的组合分类器等。 通过计算机仿真实验验证了本文所提方法的有效性。实际通信信号比计算机模拟信号更复杂，各种不确定性因素更多，因此，本文对实际通信信号进行了分类识别，也取得了满意的结果。本文在通信信号调制识别研究方法做了一点有益的探索，今后在这方面还有大量的工作要做。