| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-17页 |
| 1.2.1 最大似然比假设检验 | 第12-14页 |
| 1.2.2 统计模式识别 | 第14-17页 |
| 1.3 本文的研究内容 | 第17-18页 |
| 第二章 战术电台网络 | 第18-27页 |
| 2.1 战术电台网络概述 | 第18-19页 |
| 2.2 战术电台网络结构 | 第19-22页 |
| 2.2.1 上层战术电台网络 | 第19页 |
| 2.2.2 下层战术电台网络 | 第19-22页 |
| 2.3 战术电台网络三大重要组成 | 第22-25页 |
| 2.3.1 SINCGARS电台 | 第22-23页 |
| 2.3.2 EPLRS电台 | 第23页 |
| 2.3.3 NTDR电台 | 第23-25页 |
| 2.4 美军部分现役SINCGARS电台 | 第25页 |
| 2.5 战术电台网络信号调制方式 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 战术电台网络信号的参数估计 | 第27-37页 |
| 3.1 概述 | 第27页 |
| 3.2 基于STFT的跳频参数估计 | 第27-31页 |
| 3.2.1 跳频通信的基本原理和模型 | 第27-28页 |
| 3.2.2 跳频系统的特征参数 | 第28-29页 |
| 3.2.3 短时付里叶变换(STFT) | 第29-30页 |
| 3.2.4 仿真分析 | 第30-31页 |
| 3.3 基于小波变换的码元速率估计 | 第31-35页 |
| 3.3.1 理论分析 | 第31-33页 |
| 3.3.2 仿真分析 | 第33-35页 |
| 3.4 基于信号功率谱的信噪比估计 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于机器学习的战术电台网络信号的调制分类与识别 | 第37-64页 |
| 4.1 战术电台网络通信信号特征参数提取 | 第37-48页 |
| 4.1.1 特征参数提取常用方法 | 第37-38页 |
| 4.1.2 基于瞬时参数的特征提取方法 | 第38-40页 |
| 4.1.3 基于循环谱相关参数的特征提取方法 | 第40-46页 |
| 4.1.4 基于小波变换的特征提取方法 | 第46-48页 |
| 4.2 基于支持向量机的信号分类识别 | 第48-57页 |
| 4.2.1 支持向量机原理 | 第48-52页 |
| 4.2.2 仿真分析 | 第52-57页 |
| 4.3 基于RBF神经网络的信号分类识别 | 第57-61页 |
| 4.3.1 神经网络原理 | 第57-60页 |
| 4.3.2 仿真分析 | 第60-61页 |
| 4.4 算法对比分析 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |