The automatic recognition of the modulation format of a detected signal, the intermediate step between signal detection and demodulation, is a major task of an intelligent receiver. The recognition of modulation type of a received signal is performed automatically in civil and military applications as in many areas. Automatic Modulation recognition is extremely important in military electronic counter/counter-counter measures such as target detection, monitoring and jamming operations. Generally the developed recognizers / classi ? ers are divided into two groups. Although the likelihood based classi ? ers which rely on the likelihood function of the received signal give the optimum solution, they have highly computational complexity.Thus, feature based classi ? er methods which have less computational complexity and give suboptimal solution, have been used. Feature based classi ? cation of modulation consists feature extraction and decision making steps. Statistics of complex envelope of the signal and the examples of frequently are obtained features by Wavelet transform of the signal and Fourier transform of the signal. At decision making stage, decision tree, artificial neural networks and support vector machines are frequently utilized.In this thesis study, a feature based automatic modulation classi ? er is developed which guarantees the automatic recognition of modulation type of a received signal for civil and military applications. The features which are to be used at classi ? cation are composed from high-order statistical moments of complex envelopes of the signals. The classi ? cation process consists of M-ASK, M-FSK and M-PSK modulated signals that are subjected to AWGN channel. In the study, The classification accuracy of proposed simulation method for automatic modulation recognition problem were obtained about %100 at 3 dB SNR. Therfore by using the proposed modulation classifier, the modulation scheme of unmodulated received signal can be estimated automatically without any aid of human being.

Birçok sivil ve askeri iletişim sistemlerinde, alınan sinyalin kiplenim tipinin belirlenmesi otomatik olarak yapılması gereken bir işlemdir. Özellikle elektronik saldırı/savunma yöntemleri olarak hedef yakalama, dinleme ve boğma işlemlerinde kiplenim tanıma ciddi bir öneme sahiptir. Bugüne kadar geliştirilen kiplenim tanıyıcı/sınıflandırıcılar temel olarak iki gruba ayrılır. Sinyalin olabilirlik islevi üzerine geliştirilen olabilirlik tabanlı sınıflandırıcılar eniyi çözümü sunarlar ancak işlem karmaşıklıkları yüksektir.Bu nedenle daha düşük işlem karmaşıklığı ve enyiye yakın çözüm sunan öznitelik tabanlı sınıflandırıcı yöntemleri geliştirilmiştir. Öznitelik tabanlı kiplenim sınıflandırma, öznitelik çıkarma ve karar verme aşamalarını içerir. Sinyalin karmaşık zarfının ve anlık bileşenlerinin istatistikleri, sinyalin Wavelet dönüşümü, sinyalin Fourier dönüşümü genellikle kullanılan özniteliklere örnek gösterilebilir. Karar verme aşamasında ise karar ağacı, sinir ağları, destek vektör makinaları tercih edilen karar yapılarıdır.Bu tez çalışmasında, günümüzde askeri ve sivil haberleşme alanında kullanılan sayısal modülasyon tiplerinin otomatik olarak tanınmasını sağlayan akıllı öznitelik tabanlı bir otomatik modülasyon sını ? andırıcı geliştirilmiştir. Sını ? andırma işleminde kullanılacak öznitelikler, sinyallerin karmaşık zar ? arının yüksek dereceli izgesel momentlerinden ve izgesel bileşenlerinden oluşmaktadır. Sınıflandırma islemi, AWGN kanala maruz kalmıs M-ASK, M-FSK ve M-PSK kiplenimli sinyalleri içermektedir. Yapılan benzetim çalışmalarıyla, otomatik kiplenim sınıflandırma probleminin çözümüne yönelik önerilen yöntemin genel doğru sınıflandırma başarımının, 3 dB SNR seviyesinde yaklaşık %100 olduğu görülmüştür. Böylece vericiden gelen demodüle edilmemiş işaretin ne tür bir sayısal kiplenim tipine ait olduğu kestirilerek herhangi bir kişiye ihtiyaç duyulmadan bu kiplenim tipi otomatik olarak tanımlanması sağlanmıştır.