引言    

随着通信技术的快速发展，调制方式也在不断变化和发展，使得电磁环境日趋复杂。通信接收方想对接收的信号解调，必须先知道该信号的调制类型和信号参数，调制方式的自动识别技术成为认知无线电的必备功能之一，具有很强的发展潜力和研究价值，目前调制方式的自动识别方法主要是将小波变换技术、信号波形统计特征、高阶累积量、循环谱技术和调制识别技术相结合，形成新的调制方法。但现有方法都还有各自的不足，例如，基于小波变换的方法只能对不连续的相位或频率调制进行识别，同时选择适合分析的小波母波也很困难;基于信号波形统计特征方法对信噪比要求高，抗噪声能力差;而基于高阶累积量的方法，调制信号的星座图在相同的情况下，其累积量也是相同的，因此无法有效地分辨它们;基于循环谱的算法需要知道各信号的载频和符号率，并且对混合信号的研究较少。    

为此，本文将抗噪声能力较强的循环谱和有优秀多分类识别能力的、oftmax回归相结合构建多分类识别器，实现在不需要知道各信号的符号率、载频以及同步定时等先验信息的情况下，对ASK,BPSK,QPSK,16-QAM和64-QAM多种通信调制信号的混合信号进行有效地分类识别，并且在低信噪比条件下取得了较高的识别率以及较快的识别速度。

1 softmax回归模型    

softma、回归模型是logisti。回归模型在多分类问题上的推广，主要用于解决多分类的问题，即分类识别的输出结果Y可以取两个以上的值。softma、基本原理:在多分类的问题中，类标签Y有k个不同的值。

2 信号的循环谱数字通信信号循环谱特征   

数字通信信号具有循环平稳性，而循环谱具有对平稳噪声和干扰的抑制作用并且可以反映更多的信号特征。循环谱在循环频率不为零处有较大的非零值，而平稳噪声或近似平稳噪声的循环谱主要集中在零循环频率处，循环谱将通常的功率谱定义域从频率轴推广到谱频率和循环频率的双频率平面，有更丰富的信号域。尽管不同信号的功率谱密度可能相同，但是它们的循环谱密度却有较大不同。因此，利用循环谱可以很好地得到信号的特征分析。

3 采用softmax回归多分类识别器的混合调制与信号识别    

混合信号分类问题属于多分类问题，设计一种高效率、高识别率的分类识别器对其相当重要。softmax多分类识别器相比于其他分类识别器，其优势在于可以对多个类别进行分类，并且计算复杂度低。本文设计采用循环谱与、oftmax级联的多分类识别器，其结构如图1所示。

4 仿真实验与分析    

假设接收信号的采样频率为8 MHz，载波频率为70 MHz，数据速率为1 MHz，采样点数为8 000点。在Matlab中分别对ASK, BPSK, QPSK, 16QAM和64QAM等调制信号进行仿真。

5 结论    

为了满足低信噪比条件下混合通信信号调制的识别要求，本文提出基于、oftmax回归的通信信号循环谱的多分类识别方法，通过分析不同调制方式的循环谱密度能够有效抑制噪声，设计了基于、oftmax回归结合循环谱的多分类识别器方法，提高算法对混合信号的识别率和识别速度。理论分析和实验结果表明，本文算法在低信噪比下，能够有效识别ASK, BPSK, QPSK, 16QAM和64QAM的混合信号，总体识别率较高，识别速度较快，且无需信号符号率、载频、同步定时等先验信息。需要指出的是，本文采用的、oftmax回归多分类识别器要获得较好的性能，需要一定的训练数据，后续可通过引人半监督学习等先进算法来实现训练，进一步提高分类器的性能。