研究生： 学 号：20090731 专 业：信号与信息处理 导 师：
宣讲大纲
一、研究的背景和意义 二、先前的研究成果 三、本论文的研究目的 四、本论文的主要内容
一、 研究的背景和意义
调制识别技术主要应用在非协作通信 系统中。由于接收方事先不知道信号的相关 知识，为了能顺利地对信号进行解调，就必 须要确定信号的调制方式和调制参数。这时， 调制识别技术就派上了用场。
图14 OFDM信号（左）和WPM信号的分数阶傅里 叶变换域分布图的边缘拟合曲线的斜率变化情况
支持向量机分类器 支持向量机（SVM ）是上世纪90年代中期发 展起来的一种基于统计学习理论的机器学习算法, 广泛应用于模式识别和回归预测等领域。本论文 构造了支持向量机分类器，代入提取的特征参数 后得到了良好的分类效果，从而识别出了小波包 调制信号 。识别流程如下：
两种多载波 信号
提取特征参数
形成特征向 量
SVM分类器
识别结果
图15 识别流程
特征向量对SVM分类器性能的影响 （1） T[M1,M2] （2） T[M1,M2,Q] （3）T[M1,M2,Q,P]
当特征向量分别取(1),(2),(3)三种不同情况的 时候，识别成功率越来越高结果。这主要是因为 这三种特征参数分别从不容角度表征了两种多载 波调制信号的分数阶傅里叶变换域分布图的边缘 轮廓特征。因此，当特征向量选取三种特征参数 时，最能反映出两种多载波调制信号的不同，相 应的识别成功率也最高。
3.基于双谱估计的小波包调制信号识别
根据小波包调制信号的非线性和二次相位耦 合性特点，本论文利用双谱分析方法，对小波包 调制信号进行参数化双谱估计，并提取特征参量， 实现对小波包调制信号的识别。
双谱和功率谱的区别
