Проведен обзор имеющихся алгоритмов автоматического распознавания аналоговых модуляций, подробный обзор параметрических алгоритмов. Получены зависимости значений параметров сигналов, необходимых для работы исследуемых алгоритмов, в некотором диапазоне отношений сигнал/шум, а также пороговые значения для алгоритма дерева решений. Проведено сравнение эффективности метода на основе дерева решений и методов машинного обучения — искусственные нейронные сети прямого распространения и метод k-ближайших соседей. Получены вероятности верного и ошибочного решения для указанных алгоритмов. На современной программируемой элементной базе представлена реализация наиболее эффективного автоматического алгоритма распознавания модуляции по критериям минимума вероятности ошибочного решения и вычислительных ресурсов.

A review of the available algorithms for automatic recognition of analog modulations, a detailed review of parametric algorithms. The dependences of the values of the parameters of the signals necessary for the work of the investigated algorithms, in a certain range of signal-to-noise ratio, as well as the threshold values for the decision tree algorithm are obtained. A comparison was made of the effectiveness of the method based on a decision tree and machine learning methods — feed-forward artificial neural networks and the method of k-nearest neighbors. The probabilities of the correct and erroneous solution for the specified algorithms are obtained. On the modern programmable element base, the implementation of the most effective automatic modulation recognition algorithm is presented according to the criteria of minimum probability of an erroneous solution and computational resources.