通信信号的分类与识别是截获信号处理领域的重要研究课题,它需要在有噪声干扰的复杂环境中判断出信号的调制模式,为下一步的分析处理环节提供坚实根据。战术电台网络是美国军方现役的战场通信网络系统,它将交换路由设备、信息终端和各种独立的战术电台等互相联结,形成了一个战役战术一体化的通信系统,因此在第三方进行侦查时,战术电台网络中通信信号的分类与识别在电子对抗中非常重要。课题依托国家级项目,针对战术电台网络通信信号进行分类与识别,主要工作可概括如下:1.在没有提供其他先验信息的情况下,对战术电台网络信号进行了参数估计,包括跳频估计、码元速率估计,并利用获得的瞬时参数分析、循环谱分析与小波包分解重构相融合的方法,提取出了多种特征参数以进行调制分类。仿真结果表明,该组参数能够有效实现对战术电台网络信号的调制分类。2.基于MATLAB仿真平台,针对上一步骤获得的特征参数组部分参数,利用支持向量机模型进行仿真,通过参数优化解决了过学习问题;利用获得的特征参数组,分别采用了支持向量机模型以及径向基神经网络模型对调制信号进行分类。仿真结果表明,支持向量机的性能要优于径向基神经网络的性能:在高信噪比下,二者性能都很好;但在低信噪比下,前者依然具有较高的准确率,后者的性能下滑严重。