【信号识别】通信信号调制识别与参数估计（含AM DSB USB LSB FM BPSK 2FSK 2ASK 4ASK QPSK 4FSK识别正确率对比）附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

在现代通信系统中，信号调制方式的自动识别与关键参数估计是电子侦察、频谱监测、通信对抗等领域的核心技术。准确识别 AM（DSB、USB、LSB）、FM、BPSK、2FSK、2ASK、4ASK、QPSK、4FSK 等调制信号，并估计其载频、符号速率等参数，对于实现信号解调、干扰抑制和频谱资源管理具有重要意义。本文将系统阐述调制信号的特征分析、参数估计方法、识别算法及不同调制方式的识别正确率对比。

一、调制信号的特征分析

不同调制方式的信号在时域、频域、时频域具有独特特征，这些特征是调制识别的核心依据。

（一）模拟调制信号特征

1. AM 类信号：

• AM DSB（双边带调幅）：调幅信号的包络与调制信号一致，频谱包含载频及上下两个边带（对称分布），包络检波后可恢复调制信号，无载频抑制，时域包络非恒定。

• AM USB（上边带调幅）：仅保留载频上边带，频谱呈单边分布，包络随调制信号变化，但不含下边带分量，时域包络起伏较 DSB 平缓。

• AM LSB（下边带调幅）：仅保留载频下边带，频谱特征与 USB 对称，包络特性与 USB 类似，可通过频谱边带位置区分。

1. FM（调频）：瞬时频率随调制信号线性变化，幅度恒定（理想情况下），频谱包含载频及无数对边带（随调制指数增大而扩展），时域无包络起伏，瞬时频率标准差较大。

（二）数字调制信号特征

1. 2ASK（二进制振幅键控）：载波幅度随二进制符号（0/1）切换（0 对应幅度 0，1 对应载波幅度），时域包络有明显跳变，频谱含载频及两侧边带，功率集中在载频附近。

1. 2FSK（二进制频移键控）：载波频率随二进制符号切换（如

   f1

   对应 0，

   f2

   对应 1），幅度恒定，频谱呈双峰分布（对应两个频率），瞬时频率在两频率间跳变。

1. BPSK（二进制相移键控）：载波相位随二进制符号切换（0 对应 0°，1 对应 180°），幅度恒定，时域过零点附近有相位突变，频谱无载频分量（抑制载波），功率集中在符号速率附近。

1. 4ASK（四进制振幅键控）：幅度取 4 个离散值（对应 4 种符号），包络呈多电平跳变，频谱与 2ASK 类似但带宽更宽（与符号速率相关）。

1. 4FSK（四进制频移键控）：频率取 4 个离散值，频谱呈四峰分布，瞬时频率跳变次数比 2FSK 多，频率间隔较小。

1. QPSK（四进制相移键控）：相位取 4 个离散值（如 0°、90°、180°、270°），幅度恒定，时域相位跳变最大为 90°（较 BPSK 的 180° 更平缓），频谱与 BPSK 类似但符号速率为比特速率的 1/2。

二、关键参数估计方法

参数估计是调制识别的前提，需准确估计载频、符号速率、调制指数等核心参数。

（一）载频估计

1. FFT 峰值法：对信号进行傅里叶变换，频谱峰值对应的频率即为载频估计值，适用于 AM、FM、2ASK 等含载频分量的信号，精度受采样率和 FFT 点数影响。

1. 循环自相关法：利用信号的循环平稳特性，在循环频率为 2 倍载频处的循环自相关峰值对应的频率即为载频，适用于 BPSK、QPSK 等抑制载波的数字调制信号，抗噪声性能优于 FFT 法。

（二）符号速率估计

1. 自相关法：计算信号的自相关函数，其周期性峰值间隔即为符号周期（符号速率的倒数），适用于 2ASK、BPSK 等具有明显符号周期的信号，在低信噪比下性能下降。

1. 谱相关法：通过信号的谱相关函数在符号速率整数倍处的峰值检测速率，抗噪声能力强，尤其适用于 4ASK、QPSK 等多进制调制信号。

（三）调制指数估计（针对 FM 和 FSK）

1. FM 调制指数：通过瞬时频率的最大值与最小值之差除以调制信号频率得到，可利用希尔伯特变换提取瞬时频率后计算。

1. FSK 频偏：对于 2FSK，估计两个载频的差值即为频偏；4FSK 则需估计 4 个载频间的间隔，通常通过频谱峰值间距或瞬时频率统计实现。

⛳️ 运行结果

📣 部分代码

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇