在无线电监测技术领域中，信号调制类型识别是重要工作内容之一，传统识别手段包括基于似然比判决方法、基于统计模型提取特征等。

公司研发部门开发了一种有别于常规识别、基于统计模型的识别方法。其工作原理简单描述为：首先，对未知类型的信号进行带宽估计；其次，在时域、频域以及循环谱相关函数域提取特征值，使用决策树或神经网络等模式识别算法进行信号类型识别；最后，计算信号类型、码率等结果。基于统计值的决策树的示例图，如下所示：

图1 基于统计值的识别方法的决策树

近年来，以“深度学习”为代表的的AI技术在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、图像处理、人脸识别等诸多领域都有着广泛的应用，逐渐在社会各领域中成为了研究热点。这些技术进步推动了行业的发展，同时也深度改变了人们的生活。

“深度学习”在各行各业中发挥着重要作用，在无线电监测的信号调制类型识别中，基于“深度学习”的识别算法也取得了理想效果。“深度学习”参考了人体的神经结构，使用多个感知器层搭建深层网络，然后通过大量先验数据对网络的参数进行训练，通过网络在训练中不断的进行特征提取和学习，最终我们就能得到性能良好的分类器。研究表明，基于“深度学习”的调制类型识别方法，在性能上较传统方法有了明显的提升，可用于各种信号制式的识别，甚至是发射源类型的识别。

图2 深层神经网络示意图

同时，还应注意到“深度学习”在学习阶段需要复杂和大量的计算，但是在识别阶段仅需要有限的运算量，即使在低性能的设备上依然能体现高效的识别能力，这也为这项技术在无线电监测行业中的广泛应用打下了良好的基础。