出于一些特殊的目的,我们需要监视通信信号的活动状况,甚至破译它的通信内容,这些离不开调制分析这一关键技术。调制分析是通信双方以外的第三者以不明信号为对象,通过提取载波频率、符号速率等未知参数,最终辨明调制方式的信号分析过程。从目前公开发表的资料来看,调制分析可用于无线电侦察、非通信侦察、电子对抗、无线电频谱管理和软件无线电等领域。调制分析与信号解调有很强的关联性,前者可以借鉴或沿用后者采用的多种方法和手段,这是因为两者的处理对象一致,所要完成的任务也有很多共同之处。然而与信号解调不同的是,调制分析中的载波频率、符号速率和调制方式都是未知因素,这一点使得调制分析更富有挑战性。从实现过程来看,调制分析可分为参数提取、调制分类两个环节。由于具备分类特征提取、样本特征库构造和判决算法设计等基本步骤,以辨明信号调制方式为目的的调制分类通常被视为模式识别的一种典型应用,参数提取则被看作调制分类的辅助手段。从统计信号处理的角度看待调制分析,参数提取属于估计问题,调制分类属于二元或多元检测问题,在实现过程中两者往往相辅相成、没有固定的主从关系或先后顺序。本文研究了包括BPSK、QPSK、8PSK、OQPSK(MSK,π/2BPSK)、π/4QPSK、16QAM、32QAM、64QAM、128QAM、256QAM在内的多种线性调制信号的参数提取、识别或分类问题,并力图采用谐波检测与估计(SWDE;Sinusoidal Wave Detection and Estimation)这一理论上最基本、应用上最广泛的信号处理手段贯穿线性调制分析的整个研究过程。文中针对色噪声中的谐波信号首次引入局部信噪比的概念,与全局信噪比(谐波功率与噪声方差的比值)相比,新的定义能够真实地反映噪声干扰对信号质量的影响程度。文中在讨论线性调制信号统一模型的基础上,给出了信噪比(每符号能量与噪声功率谱密度的比值)的计算方法。基于计算机仿真的观测结果表明,线性调制分析中的背景噪声表现出有色特性,而且不服从高斯分布,正是背景噪声的非高斯有色特性增加了线性调制分析的难度。文中首次引入信号MAC(Moving Averaging and Comparing)谱的概念,通过计算信号幅度谱每一抽头与临近若干抽头平均值的比值便能得到信号MAC谱,利用MAC谱检测谐波信号能够有效抑制色噪声带来的不利影响。在提出色噪声中谐波检测的MAC算法之后,文中结合不同的非线性变换进一步提出了分类BPSK/QPSK/8PSK信号的2~k次方律算法,以及分类错位调制与非错位调制的C-DOT(Classifier on Detecting Offset-Timing)算法。文中基于数字外差、滤波和抽取提出一种用于谐波频率估计的FFT-Kay算法,该算法估计精度高、噪声门限低,各方面的性能已逼近理论上最优的最大似然估计(MLE;Maximum-Likelihood Estimator)。结合信号的MAC谱,FFT-Kay算法可推广至色噪声中的谐波频率估计,进而导出MAC-Kay算法。结合特定的非线性变换,以上两种算法可用于进行高性能的载波频率、符号速率估计。调制分析的应用背景极为复杂,常常可能出现一些无法预料的情况,本文因此给出了两个涉及异常处理的算法,其一是周期序列检测,其二是信道均衡的失效检测。周期序列的存在和无效的信道均衡都有可能导致调制分类或识别算法给出错误的结果,在现有关于调制分析的论文中,几乎没有关于此类问题的讨论,因此这里的工作具有很强的借鉴意义。最后给出的应用结果表明,SWDE理论完全能够用于指导和实现线性调制分析。换言之,本文给出的系列算法能够精确地估计出信号的载波频率和符号速率,并能有效地完成信号分类和识别。