六种通信信号高精度自动调制识别仿真系统

资 源 简 介

本项目开发了一套高效的自动调制识别（AMC）仿真平台，专门针对低信噪比环境下的信号分类问题进行了算法优化。系统能够模拟并识别六种典型的数字/模拟通信信号（如2ASK、4ASK、2FSK、4FSK、BPSK、QPSK等）。程序包含三个主要处理阶段：首先是信号生成与信道模拟，自动产生随机比特流并进行调制，随后通过加性高斯白噪声（AWGN）信道；其次是特征提取，利用信号的瞬时幅度、瞬时频率、瞬时相位以及高阶累积量等统计特征构建特征向量；最后是分类决策，采用层级判决阈值法或模式识别算法进行分类。该项目的核心优势在于极强的抗干扰能力，经过大量蒙特卡洛仿真验证，在信噪比（SNR）小于10dB的复杂噪声环境下，六种信号的综合识别准确率高达90%以上，非常适合用于无线通信侦察、软件无线电接收机设计及通信原理实验教学。

详 情 说 明

基于MATLAB的六种通信信号高精度调制识别系统

项目简介

本项目是一个高效的自动调制识别（AMC）仿真平台，旨在低信噪比环境下对数字通信信号进行分类。系统基于MATLAB开发，能够模拟从信号产生、信道传输到特征提取与分类决策的完整通信链路。通过优化特征工程算法，系统实现了对六种典型调制信号（2ASK, 4ASK, 2FSK, 4FSK, BPSK, QPSK）的高精度识别。

该仿真平台特别适用于通信侦察、软件无线电（SDR）算法验证以及通信原理的教学演示，能够在信噪比（SNR）-5dB至15dB的宽范围内评估识别算法的性能。

功能特性

• 多调制格式支持：支持六种主流数字调制信号的生成与识别，涵盖幅移键控（ASK）、频移键控（FSK）和相移键控（PSK）。
• 高保真信道模拟：内置加性高斯白噪声（AWGN）信道模型，支持动态信噪比扫描（-5dB 至 15dB）。
• 鲁棒的特征提取：利用希尔伯特变换提取瞬时统计量，结合高阶累积量构建抗噪特征向量。
• 层级分类决策：采用基于决策树逻辑的阈值判决法，计算量小且实时性强。
• 可视化分析：自动生成识别准确率随SNR变化的曲线图，以及特定信噪比下的混淆矩阵，直观展示分类性能。
• 结果可复现：通过固定随机数种子，确保每次蒙特卡洛仿真的结果一致，便于算法调优。

系统要求

• MATLAB R2016b 或更高版本
• Signal Processing Toolbox（信号处理工具箱）
• Communications Toolbox（通信工具箱）

使用方法

直接运行主脚本即可启动仿真。程序将自动执行以下步骤：

1. 初始化系统参数并重置随机种子。
2. 进入主循环，遍历预设的信噪比范围。
3. 对每种调制信号进行指定次数（默认100次）的蒙特卡洛实验。
4. 实时更新进度条显示当前仿真状态。
5. 仿真结束后，弹出窗口展示性能评估曲线和混淆矩阵。

详细功能与算法实现

本项目代码逻辑严密，主要分为参数设置、主仿真循环、信号处理子函数及可视化四个部分。

1. 仿真参数配置

系统首先定义了关键的通信参数，确保仿真是各类信号具有可比性：

• 采样频率 (fs)：200 kHz，保证了足够的过采样率。
• 载波频率 (fc)：20 kHz。
• 符号速率 (Rs)：2 kHz。
• 每个信号符号数：500个，保证了统计特征的稳定性。

2. 信号生成机制

程序通过 switch-case 结构实现了六种信号的基带映射与频带调制：

• 通用处理：生成随机整数符号，通过矩形脉冲成型（rectpulse）进行过采样，最后乘以载波。
• ASK信号：根据2ASK或4ASK将符号映射为不同的幅度电平。
• FSK信号：根据2FSK或4FSK调整瞬时频率，通过累积频率计算相位，并对频率轨迹进行了平滑处理以减少突变噪声。
• PSK信号：实现BPSK（0/pi相位）和QPSK（格雷码映射的四个相位），通过相位调制生成信号。
• 能量控制：所有生成信号在发送前均进行能量归一化，确保信噪比计算的准确性。

3. 信道模拟

采用标准的AWGN模型。根据设定的信噪比（dB）计算所需的噪声功率，生成相应方差的高斯白噪声并叠加到发射信号上。

4. 特征提取（核心算法）

这是识别系统的核心部分，代码利用希尔伯特变换（Hilbert Transform）从接收信号中提取解析信号，进而计算以下五类关键统计特征，构成特征向量：

• 预处理：对信号进行去均值和能量归一化，消除信号强度的影响。
• 瞬时参数计算：提取瞬时幅度、瞬时相位，并利用差分法和中值滤波计算平滑后的瞬时频率。
• 特征1：瞬时幅度标准差 (sigma_aa)

* 用于衡量信号包络的波动情况。ASK信号该值较大，而PSK/FSK等恒包络信号该值较小。

• 特征2：瞬时频率标准差 (sigma_af)

* 用于衡量频率的稳定性。FSK信号因频率跳变该值较大，可有效区分FSK与PSK/ASK。

• 特征3：四阶累积量 (f_c42)

* 基于混合矩计算，即 C42 = E[z^4] - ... 的归一化形式。该特征对星座图形状敏感，能有效区分BPSK（值为负）与QPSK（值接近0）及其他高阶调制。

• 特征4：频率峭度 (kurt_f)

* 描述频率分布的形态。用于在FSK内部进行细分，区分2FSK（双峰分布）和4FSK（四峰分布）。

• 特征5：幅度峭度 (kurt_a)

* 描述幅度分布的形态。辅助区分2ASK和4ASK。

5. 分类决策

采用层级判决阈值法（Decision Tree），根据提取的特征值逐步缩小候选范围：

• 第一层：利用瞬时幅度标准差（sigma_aa）将信号分为变包络信号（ASK类）和恒包络信号（PSK/FSK类）。
• 后续层级：

* 在ASK分支中，利用幅度峭度区分2ASK和4ASK。 * 在恒包络分支中，利用瞬时频率标准差区分FSK类和PSK类。 * 利用频率峭度区分2FSK和4FSK。 * 利用四阶累积量区分BPSK和QPSK。

6. 结果可视化

仿真结束后，系统绘制两幅子图：

• 识别率曲线：展示从-5dB到15dB范围内，系统整体识别准确率的上升趋势。
• 混淆矩阵：选取由于系统设定目标信噪比（约9dB）附近的实验数据，绘制热力图形式的混淆矩阵，直观展示各类信号之间的误判情况（例如QPSK是否容易被误判为BPSK）。