Автоматическая классификация типов модуляций является важным этапом разработки интеллектуального приёмопередатчика. Однако в лите-ратуре существует не так много работ, посвящённых классификации сиг-налов OFDM. В данной работе был предложен алгоритм автоматической классификации шести типов модуляций OFDM сигнала: BPSK, QPSK, 16,64,256,1024-QAM. Метод основан на извлечении признаков, в качестве которых были использованы статистики отклонения мгновенного значения амплитуды, кумулянты и адаптивная вейвлет энтропия. С целью выявить алгоритм, дающий оптимальный результат по качеству классификации и по скорости работы, были исследованы различные сочетания используе-мых признаков. Для каждой комбинации признаков было проведено ими-тационное моделирование приёма OFDM сигнала, и получены характери-стические кривые точности классификации исследуемых типов модуляций. По ним была выявлена наилучшая комбинация признаков – 5 кумулянтов и 7 признаков, основанных на адаптивной вейвлет энтропии. Для данного набора признаков дополнительно были построены следующие характери-стики: кривые помехоустойчивости, вероятности ложной тревоги, матрица ошибок. Также лучший классификатор был протестирован на OFDM сиг-налах с различным числом поднесущих. Точность классификации в таком случае не ухудшилась.

Automatic classification of modulation types is an important step in the development of an intelligent transceiver. However, there are not many works in the literature devoted to the classification of OFDM signals. In this paper, an algorithm was proposed for the automatic classification of six types of OFDM signal modulations: BPSK, QPSK, 16,64,256,1024-QAM. The method is based on the extraction of features, which were used as the statistics of the de-viation of the instantaneous value of the amplitude, cumulants and adaptive wavelet entropy. In order to identify the algorithm that gives the optimal result in terms of the quality of classification and the speed of work, various combi-nations of the used features were studied. For each combination of features, simulation modeling of the OFDM signal reception was carried out, and char-acteristic curves of the classification accuracy of the studied types of modula-tions were obtained. Based on them, the best combination of features was iden-tified - 5 cumulants and 7 features based on adaptive wavelet entropy. For this set of features, the following characteristics were additionally constructed: noise immunity curves, false alarm probabilities, and an error matrix. Also, the best classifier was tested on OFDM signals with different numbers of subcarri-ers. In this case, the classification accuracy has not deteriorated.