数字调制识别：低信噪比分类不稳定
通过归一化、特征检查和混淆矩阵分析低信噪比下的分类波动。
项目： MATLAB 数字调制识别仿真系统
问题现象： 低 SNR 条件下相位与频率差分特征波动明显，不同调制类别的幅度尺度还会影响分类器判断。
初步判断： 模型可能过度依赖能量，单一特征在噪声下缺乏稳定性。
排查过程： 先检查每类信号的时域、频谱和星座，再检查特征中的 NaN 与量纲；分别比较低、高 SNR 混淆矩阵，并排除训练测试数据泄漏。
最终原因： 不同类别的幅度尺度不一致，同时低 SNR 会放大相位和差分特征的波动。
解决方法： 每帧按平均功率归一化，组合幅度统计、相位差分与高阶累积量，并用 fitcecoc 组织 one-vs-one RBF-SVM。
经验总结： 分类准确率必须结合归一化、特征稳定性和混淆矩阵解释，不能只看单一总准确率。