基于机器学习的调制方式识别.pdf

分类号 学号 M201571785
学校代码 10487 密级



硕士学位论文





基于机器学习的调制方式识别





学位申请人 ：范涛涛
学科专业 ：信息与通信工程
指导教师 ：江涛 教授
答辩日期 ：2018 年 5 月 28 日
A Thesis Submitted in Partial Fulfillment of the Requirements
for the Degree of Master of Engineering



Modulation Classification Based on Machine
Learning



Candidate : Taotao Fan
Major : Information and Communication Engineering
Supervisor : Prof. Tao Jiang



Huazhong University of Science & Technology
Wuhan 430074, . China
May 2018
华中科技大学硕士学位论文
摘 要
近年来，调制方式识别（modulation classification）受到了越来越多的关注。信号
调制方式识别主要指的是在未知调制信息的情况下判定出调制方式。调制方式的识别
不仅在军事领域的电子对抗战中意义重大，在民用领域也有巨大的作用，但如何在复
杂多变的信道环境下，准确的识别出信号的调制方式一直是通信界的难题。目前，机
器学习在很多领域的成功应用，使得基于机器学习的调制方式的识别得到了广泛研
究，尤其是深度学习在分类问题上的显著优势，使得深度学习在调制识别上的应用成
为研究热点。
本文首先介绍了调制方式识别的基本架构和特征提取等理论知识，分析了机器学
习算法目前在调制方式识别中的应用，比较了基于包括决策树（Decision Tree，DT）、
K 最近邻（K Nearest Neighbor，KNN）、支持向量机（Support Vector Machine，SVM）
以及神经网络（Neural Network，NN）在内的传统机器学习的调制方式识别算法，并
在提取同样特征的情况下，对算法性能进行了实验仿真和分析。然后，进一步提出了
基于灰度星座图的 AlexNet 神经网络算法，以实现更优的调制方式的识别。
不同于基于特征的机器学习算法，基于星座图的神经网络识别的方式不需要特征
选择的操作，不仅使得算法更高效，还可以有效的改善特征选择和提取本身存