高效无线电信号调制方式识别系统：基于高阶累积量与RBF神经网络

该篇论文深入探讨了无线电信号调制方式的自动识别问题，由宋宪夫、邱天爽、唐洪和郭莹四位作者共同完成，他们在大连理工大学电子信息工程系展开研究。在现代无线通信技术日益复杂化的背景下，信号监测与解调过程中自动识别调制方式的能力变得至关重要，尤其是在民用和军事应用中，高效准确的识别方法是关键需求。 论文首先介绍了调制方式识别方法的现状，将其分为基于似然法和基于特征的方法两大类。似然法虽然能提供较高的分类精度，但计算复杂度高且依赖于先验知识，而基于特征的方法虽然计算复杂度较低，易于实现，但可能牺牲精度。作者选择基于特征的方法，以期在实际应用中取得平衡。 论文的核心部分着重于利用高阶累积量作为主要信号特征，因为高阶累积量对于抑制信道中的高斯白噪声表现出良好的性能，同时具有稳定性和易于计算的优点。除了高阶累积量，论文还结合了瞬时相位、瞬时频率和频谱对称性等其他信号特征，以提高识别的全面性和准确性。 为了简化特征提取过程的复杂性，文章引入了RBF（径向基函数）人工神经网络作为分类器，这种神经网络结构能够有效地处理复杂的数据分类任务，使得算法能够适应多种调制方式的识别，包括常见的AM、DSB、LSB、USB、FM、多进制QAM和PSK等23种模式，识别精度达到了95%以上。 这篇论文提出了一种基于高阶累积量和RBF神经网络的无线电信号调制方式自动识别系统，它不仅在理论上提供了理论支持，而且在实际应用中展示了较高的识别效率和准确性，对于提升无线通信系统的实时监控和分析能力具有重要意义。