对调制方式的识别,是认知无线电等领域研究的基础。近年来,国内外众多的学者不断在这一领域进行研究,取得了丰硕的结果,大量新型的调制识别算法不断涌现。但由于现代通信技术的高速发展,大量新的调制方式不断被应用,使得非协作通信的传输环境越来越复杂。如何在复杂的通信环境中实现调制类型的有效辨认,成为了调制识别技术面临的一个新考验。基于此,本文提出了一种在低信噪比条件下具有良好识别效果、计算量小、易于实现且鲁棒性较高的调制识别方案,并通过Matlab对该方案进行验证。本文的主要工作如下:(1)对本文的研究工作进行介绍,分析了信号调制识别的部分现有算法,对其进行归纳总结,说明了本文算法研究的意义之所在。(2)从几种典型的通信信号调制方式(SSB、FM、MASK、MFSK和MPSK)入手,介绍了其基本原理和特性,通过Matlab建模仿真,分析其时频域特性,对其特性进行简要总结。(3)分析信号特征参数的提取,重点对时域特征和高阶累积量进行研究,分别提取出两组可区分不同调制方式的特征统计量。然后通过Matlab建模仿真,对识别统计量的性能进行验证,确定其判决门限。最后,采用逐级分类的思想设计识别方案,实现了六种信号的分类区分。其中,用时域参数作为分类特征,在?dBSNR 2时,成功分辨2ASK、4ASK和BPSK的概率在98%以上。在dBSNR≥5时,对BPSK、QPSK、2FSK、2ASK和4ASK的识别正确率达到了100%。在?dBSNR 7时,对BPSK、QPSK、2FSK、4FSK、2ASK和4ASK的识别正确率达到了100%。用高阶累积量作为特征,在dBSNR?0时的识别正确率在96%以上;在dBSNR≥2的识别正确率达到了100%。(4)在对随机森林算法研究的基础上,结合调制识别的特性,提出一种基于随机森林算法的调制识别方案。分别以信号的时域统计量和高阶累积量特征,组成随机森林的训练样本和测试样本,对随机森林模型进行训练和测试。经试验验证,基于随机森林的识别算法,在-?dBSNR 5时,2 FSK、BPSK、4 FSK、QPSK的识别正确率可达78%以上,在dBSNR?3时,识别正确率可达到100%。以高阶累积量特征参数为训练样本构建的随机森林,在-?dBSNR 10时,对本文所选的六种调制方案的识别正确率在50%以上,在dBSNR≥-5时,识别正确率可接近100%。