基于MATLAB的通信调制信号识别：11种调制信号的瞬时特征提取与SVM分类，6种信噪
比下的准确度对比
在通信信号处理领域，调制识别就像给不同口味的咖啡豆分类——每种调制方式都有独特的"风味特
征"。今天咱们用MATLAB这个万能工具，通过提取信号的"瞬时指纹"，让支持向量机（SVM）帮我们完成这个
分类游戏。
先看看我们的调制菜单：BPSK、QPSK、8PSK、2FSK、4FSK、16QAM...总共11种调制方式。就像不同咖啡
需要不同研磨度，每种调制信号的瞬时幅度、相位、频率变化规律也大不相同。
生成带噪声的调制信号是第一步，这里有个实用代码片段：
```matlab
% 生成QPSK信号示例
M = 4; % 调制阶数
data = randi([0 M-1],1000,1);
txSig = pskmod(data, M, pi/4); % 旋转45度避免过零点
rxSig = awgn(txSig, snr, 'measured'); % 添加指定信噪比的高斯噪声
```
重点在awgn函数的'measured'参数，它能自动计算信号功率来适配噪声强度，这对后续不同信噪比
下的对比实验至关重要。
特征提取是核心环节，咱们抓取三个关键指标：
```matlab
function [features] = extractFeatures(signal)
inst_amplitude = abs(signal); % 瞬时幅度
inst_phase = angle(signal); % 瞬时相位
inst_freq = diff(unwrap(inst_phase))*(fs/(2*pi)); % 瞬时频率
% 构造特征向量
features = [std(inst_amplitude)/mean(inst_amplitude),...
std(inst_phase),...
std(inst_freq)];
end
```
这里有个小技巧：用差分运算计算瞬时频率时，unwrap函数能解开相位跳变，避免出现2π的突变误
差。特征归一化处理时，瞬时幅度的变异系数（标准差除以均值）比单纯标准差更具区分度。
