全文总字数：2903字

1. 研究目的与意义及国内外研究现状

无线通信网络的飞速发展给人工智能的产业化提供了必要的数据传输平台，但也造成了无线频谱资源的严重匮乏；ai的兴起使得认知无线电在无线通信领域大放异彩，并为之提出了诸多节约频谱资源的解决方案。5g与人工智能，两者相辅相成，互相促进。本文对信号识别技术中的信号自动调制识别技术开展了深入的研究工作，旨在寻求将人工智能算法精准应用于解决自动调制识别问题的系统方案。

国内外研究现状

通讯技术飞速进步，全新的调制类型不停涌现，而目前的调制识别方法大多是针对候选集中有限的调制信号所设置的，且通信环境日益复杂，存在诸如信道衰弱、噪声干扰以及多径传输等方面的影响，这些都对自动识别的准确率提出了的挑战，因此，信号调制识别技术需要进一步的研究。根据所基于的理论不同，目前较为常见的两种信号自动识别方法主如下：一种是基于最大似然法，另一种是基于特征参数提取。

2. 研究的基本内容

鉴于调制识别领域上述的研究现状，本文分别从基于最大似然和基于特征提取这两个角度提出了通信信号调制识别系统算法。首先针对2ASK、4ASK、2FSK、4FSK、2PSK、4PSK六种调制方式，提取了待识别信号的5种瞬时特性，提出了基于BP神经网络的调制识别方案；进而将单径信道扩展至更符合实际通信情况的多径信道，并重新针对4QAM、16QAM、64QAM三种调制类型提出一种使用了期望最大化算法的基于最大似然的调制识别方案。本设计的仿真结果证明，上述两种算法都具有着优异的识别准确率，表明了算法的识别可靠性和识别效率。

3. 实施方案、进度安排及预期效果

方案：利用bp网络、em算法进行调制识别系统的设计

进度安排：2月份进行前期调研考察，搜集相关资料

3月份编写代码，进行仿真分析

4. 参考文献

[1]wesam gabran,.chun-hao liu. przemys?aw pawe?czak and danijela cabric. primary user traffic estimation for dynamic spectrum access[j]. ieee journal on selected areas in communications. vol. 31. no. 3. pp. 544-558. mar. 2013.

[2]xiaoshuang xing. tao jing. wei cheng. yan huo. xiuzhen cheng. spectrum prediction in cognitive radio networks[j]. ieee wireless communications. vol. 20. no. 2. pp. 90-96. apr. 2013.

[3]姚亚峰.黄载禄.通信信号调制识别技术[j]通信技术，2003,06:56~57.