自动调制分类是在没有先验信息的情况下对接收信号的调制类型进行判别,是信号监测和解调之间不可缺少的重要一环,广泛应用在军事和民用通信领域,例如感知无线电,自适应调制和编码,频谱监测和电子战系统等。特别是电子战中,雷达脉内信号调制识别相关算法结合接收机设备对调制类型的实时识别在战场上意义非凡。通过调制类型获取雷达本身的体制,工作状态等信息,可以充分占据主动权。然而当前电磁环境日益复杂,识别算法的抗干扰能力有待加强;各种宽带,超宽带雷达信号对处理速度也带来了极大挑战;脉内信号调制种类不断增多;这些问题都对现在的脉内信号识别提出了新的挑战。本文结合已有的小波和小波包特征提取算法,引入聚类中心计算各类中心之间距离从而选择不同的特征提取方法,并对选择什么样的小波基和分类器进行研究,设计了一种特征提取识别方法,并在“复杂电磁环境监测”项目的硬件基础上得到了实现。研究主要包括以下几个内容。首先,理论研究和分析现有的特征提取方法。研究常用的雷达特征提取方法,小波理论的基础知识,分析小波理论提取雷达脉内特征的优势。其次,提出改进的结合小波变换和小波包变换的特征提取方法。通过对比小波分析的各种方法,包括单小波对离散信号分解和重构,小波包对离散信号的分解和重构。同时还需要结合脉内信号本身在频域的特征选择合适的小波基,恰当的分解层数。最后仿真验证改进的调制特征识别方法的性能优越性。利用改进的方法与现有的基于小波理论的特征提取方法在抗噪性和参数变换时的稳定性作对比,分析性能的提高。最终,将所用的算法用c++进行实现,并加入到已有的软件工程中去,使原来的采样机设备的监测功能得到扩展。建立一套具有完整的基于小波变换的雷达脉内调制信号特征识别的理论体系和硬件实现设备。算法的仿真结果表明,当采用小波和小波包结合的方法提取的熵特征比现有的分类方法具有更好的分类精度。并将其应用在现有的硬件设备上进行测试,确实能够实现自动调制类型分类,虽然脉宽,载频等参数对特征参数的有一定的影响,但该算法对这些参数变化时的稳定性,能够提取分类效果较好的特征参数,为自动分类技术提供了一种有潜力的解决方案。