MATLAB 数字调制识别：如何构造不泄漏的数据与可解释特征

先定义实验问题

数字调制识别不是把星座图交给分类器就结束。开始实验前应明确类别集合、每帧符号数、采样率、脉冲成形方式、载波和相位条件、SNR 范围，以及训练阶段能够使用哪些先验信息。

如果训练集中的某一类总是使用更高功率、更长帧或固定随机种子，分类器可能学到数据生成规则，而不是调制方式本身。实验结果看起来很高，却不能推广到新的信号。

数据生成要把变量分开

每个样本至少包含调制类别、SNR、随机种子和复数基带序列。建议让下列变量相互独立：

信息比特与符号序列。
噪声序列。
初始相位和频偏。
训练集、验证集与测试集的样本编号。

同一段干净信号分别加不同噪声后放进训练集和测试集，仍可能造成信息泄漏。更稳妥的方法是先划分独立样本，再分别生成信道扰动。

AWGN 功率必须从定义出发

对于复数基带信号，可以先计算平均信号功率，再根据目标 SNR 得到噪声功率：

signalPower = mean(abs(signal).^2);
noisePower = signalPower / (10^(snrDb / 10));
noise = sqrt(noisePower / 2) .* ...
    (randn(size(signal)) + 1j * randn(size(signal)));
noisySignal = signal + noise;

除以 2 是因为复高斯噪声的实部和虚部分担总噪声功率。若实验使用每比特信噪比或每符号信噪比，还需要根据每符号比特数和采样设置完成换算，不能把所有 dB 参数都直接当成同一个 SNR。

归一化是为了去掉无关尺度

不同调制类别若使用不同默认幅度，分类器会优先利用能量差异。每帧按平均功率归一化，可以让模型更多关注结构特征：

z = signal(:);
z = z / sqrt(mean(abs(z).^2) + eps);
zCentered = z - mean(z);

归一化不是越多越好。如果研究目标本身包含功率变化或自动增益控制误差，就应把这些变化作为明确实验变量，而不是在预处理阶段全部消除。

特征应覆盖幅度、相位和统计结构

单一特征通常只能区分一部分调制方式。一个可解释的特征集合可以包含：

幅度均值、方差、峰均比和分位数。
瞬时相位差分的均值、方差与直方图统计。
频谱集中度、带宽和谱峰结构。
二阶、四阶矩以及高阶累积量。
星座点到原点的半径分布。

例如四阶累积量可以按中心化信号计算：

m20 = mean(zCentered.^2);
m40 = mean(zCentered.^4);
c40 = m40 - 3 * m20^2;

phaseStep = diff(unwrap(angle(z)));
phaseMean = mean(phaseStep);
phaseStd = std(phaseStep);

高阶统计量对样本长度和噪声较敏感。使用前应检查特征是否出现 NaN、极端值或明显量纲差异，并在训练数据上完成标准化。

为什么要保留基线模型

直接使用复杂模型不利于判断问题来自特征还是分类器。可以先建立 KNN、线性分类器或决策树作为基线，再使用 RBF-SVM 比较。

learner = templateSVM( ...
    "KernelFunction", "rbf", ...
    "Standardize", true);

svmModel = fitcecoc( ...
    XTrain, YTrain, ...
    "Learners", learner, ...
    "Coding", "onevsone");

prediction = predict(svmModel, XTest);

多分类 SVM 的参数选择只能使用训练集或交叉验证集。若根据测试集准确率反复调整参数，测试集就失去了独立评估意义。

总准确率远远不够

调制识别应至少同时观察：

每个 SNR 下的总体准确率。
每个类别的召回率和误判去向。
混淆矩阵随 SNR 的变化。
特征分布和异常样本。

低 SNR 下，PSK 类别之间可能因为相位特征不稳定而混淆；幅度归一化后，ASK 与 QAM 的区分也可能更依赖高阶统计。混淆矩阵能够告诉我们“错在哪里”，而一个总准确率只能告诉我们“错了多少”。

画图时避免形成错误结论

t-SNE 或 PCA 图适合观察，但二维分离并不等于分类器一定可靠。降维方法可能夸大局部结构，也可能使用完整数据后间接泄漏测试集信息。

更有价值的图包括各类特征随 SNR 的分布、准确率-SNR 曲线、归一化前后的对照，以及典型误判样本的时域、频谱和星座图。

建立可重复的实验记录

每次运行应保存随机种子、MATLAB 版本、类别定义、样本数量、SNR 列表、特征名称、模型参数和数据划分。输出模型文件时，还要同时保存生成它的配置，而不是只留下一个难以追溯的 .mat 文件。

可以继续扩展的方向

当前流程适合建立传统特征与分类器基线。后续可以逐步加入频偏、采样偏差、瑞利衰落、脉冲成形和硬件采集数据，并比较传统特征与深度网络。但每增加一种复杂因素，都应保留单变量对照，避免一次改变太多条件后无法解释性能变化。