摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第8-14页 |
1.1 课题背景及研究意义 | 第8-10页 |
1.2 国内外的研究现状 | 第10-12页 |
1.2.1 基于决策理论的最大似然假设检验方法介绍 | 第10页 |
1.2.2 基于特征提取的统计模式识别方法介绍 | 第10-12页 |
1.3 本文主要研究内容 | 第12页 |
1.4 本文组织结构 | 第12-14页 |
第二章 通信信号调制识别基础 | 第14-23页 |
2.1 引言 | 第14页 |
2.2 通信系统的模型 | 第14-15页 |
2.3 信号调制的概念和目的 | 第15页 |
2.4 数字调制方式及其特征 | 第15-19页 |
2.4.1 振幅键控(ASK) | 第15-16页 |
2.4.2 频率键控(FSK) | 第16-17页 |
2.4.3 相位键控(PSK) | 第17-18页 |
2.4.4 正交振幅调制(QAM) | 第18-19页 |
2.5 信号的频谱与功率谱分析 | 第19-20页 |
2.6 高斯白噪声模型 | 第20-21页 |
2.7 噪声对数字调制信号的影响 | 第21-22页 |
2.8 本章小结 | 第22-23页 |
第三章 调制识别中的特征参数提取 | 第23-35页 |
3.1 引言 | 第23页 |
3.2 对数字调制信号进行正交分解 | 第23-26页 |
3.2.1 信号正交变换理论 | 第23-24页 |
3.2.2 采用多相滤波器的正交变换 | 第24-26页 |
3.3 基于瞬时信息的特征提取 | 第26-29页 |
3.3.1 对基于瞬时信息特征参数的改进和类推 | 第26-27页 |
3.3.2 对其他基于瞬时信息特征参数的提取 | 第27-29页 |
3.4 仿真实验及结果分析 | 第29-34页 |
3.4.1 仿真实验参数设置 | 第29页 |
3.4.2 仿真实验过程描述 | 第29-30页 |
3.4.3 仿真结果分析 | 第30-34页 |
3.5 本章小结 | 第34-35页 |
第四章 NPSO-BP分类识别器的设计 | 第35-56页 |
4.1 引言 | 第35页 |
4.2 BP神经网络模型 | 第35-37页 |
4.2.1 BP神经网络结构 | 第35-36页 |
4.2.2 BP神经网络学习规则 | 第36页 |
4.2.3 BP神经网络的缺陷 | 第36-37页 |
4.2.4 BP神经网络的改进 | 第37页 |
4.3 优化理论基础 | 第37-39页 |
4.3.1 优化问题的数学表示 | 第37-38页 |
4.3.2 优化算法及其分类 | 第38-39页 |
4.4 粒子群优化算法 | 第39-42页 |
4.4.1 基本粒子群优化算法原理 | 第39页 |
4.4.2 基本粒子群优化算法描述 | 第39-40页 |
4.4.3 基本粒子群优化算法步骤 | 第40页 |
4.4.4 基本粒子群优化算法的伪代码 | 第40-41页 |
4.4.5 带惯性权重的粒子群优化算法 | 第41-42页 |
4.5 对基本PSO算法改进 | 第42-46页 |
4.5.1 改进的算法思想 | 第42-43页 |
4.5.2 改进的算法描述 | 第43页 |
4.5.3 改进的算法步骤 | 第43-44页 |
4.5.4 改进的算法的伪代码 | 第44-45页 |
4.5.5 改进的算法的流程 | 第45-46页 |
4.6 NPSO-BP分类识别器的设计 | 第46-48页 |
4.6.1 NPSO-BP分类识别器的原理 | 第46-47页 |
4.6.2 NPSO-BP分类识别器的设计步骤 | 第47-48页 |
4.6.3 NPSO-BP分类识别器的实现流程 | 第48页 |
4.7 NPSO-BP分类识别器的仿真实验与结果分析 | 第48-54页 |
4.7.1 BP网络的结构设计 | 第48-49页 |
4.7.2 仿真参数的设置 | 第49-50页 |
4.7.3 数据预处理 | 第50页 |
4.7.4 实验对比与结果分析 | 第50-54页 |
4.8 本章小结 | 第54-56页 |
第五章 总结与展望 | 第56-58页 |
5.1 工作总结 | 第56-57页 |
5.2 工作展望 | 第57-58页 |
致谢 | 第58-59页 |
参考文献 | 第59-62页 |
附录:作者在攻读硕士学位期间发表的论文 | 第62页 |