信噪比估计和调制样式分类在无线通信中有重要作用,信噪比估计在自适应解调、增益控制和信道分配方面有重要作用,调制样式分类在电子战、电磁频谱监测及认知无线电中有重要作用。空间频谱资源的紧缺、通信环境的日益复杂对信噪比估计和调制样式分类算法有了更高的要求。本文将对非数据辅助的信噪比估计算法仿真总结并着重对基于特征分类的调制识别技术研究。本文仿真总结的信噪比估计算法主要包括:高阶矩估计算法、均值方差估计算法及信号子空间分解的估计算法。通过仿真分析后,高阶矩和均值方差的估计算法只能处理恒包络的调制方式,均值方差的算法在低信噪比下信噪比估计的均方误差较小。信号子空间分解的信噪比估计算法利用高斯白噪声下均值为零,通过构造相关函数矩阵的方式估计信噪比,可对非恒包络的调制方式估计信噪比。信号子空间和噪声子空间分界点的估计影响到估计精度,本文对三种估计算法的计算量和精度进行了分析总结。调制样式分类是本文重点研究,本文首先介绍了通信信号的传输模型,并介绍了常见的空间通信频段及业务。针对常见的空间信号调制方式:MPSK、MFSK、MQAM及MAPSK,分析了常见分类特征的优缺点,分析表明,高阶累积量特征无法实现MFSK信号分类,小波变换特征对MPSK不够敏感,分类效果较差,单一的特征无法实现上述四大类信号的调制识别。本文创新的使用高阶累积量、熵值及小波变换结合的联合特征,并采取决策树的分类器对上述信号进行调制分类。首先进行了类别间的识别,利用小波变换对时频信息敏感的特点,通过计算混合信号的小波变换和熵值联合特征将信号识别为MPSK、MFSK及MQAM和MAPSK的三大类别,再通过构造的高阶累积量特征的函数实现了类别内不同阶数的信号识别。经仿真证明,该方法可实现四大类信号的调制样式分类,当信噪比为5d B时,混合信号识别率可达到75%。