基于分形和高阶统计量的数字通信信号制式识别研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-13页 |
| ·研究的背景及意义 | 第7-8页 |
| ·研究的历史和现状 | 第8-11页 |
| ·论文的主要内容 | 第11-13页 |
| 第2章 数字信号调制制式基础理论 | 第13-21页 |
| ·引言 | 第13页 |
| ·复信号理论 | 第13-15页 |
| ·数字通信信号的调制原理 | 第15-20页 |
| ·BPSK/QPSK 信号 | 第15-17页 |
| ·OQPSK 信号 | 第17-18页 |
| ·2FSK/4FSK 信号 | 第18-19页 |
| ·MSK/GMSK 信号 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 高阶累积量和分形维数理论 | 第21-32页 |
| ·引言 | 第21页 |
| ·高阶累积量理论 | 第21-28页 |
| ·高阶矩和高阶累积量的定义 | 第21-24页 |
| ·高阶谱 | 第24页 |
| ·随机过程的累量 | 第24-27页 |
| ·累量的性质 | 第27-28页 |
| ·分形维数理论 | 第28-31页 |
| ·分形的定义和性质 | 第29页 |
| ·分形盒维数 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 特征提取和识别算法 | 第32-41页 |
| ·引言 | 第32页 |
| ·信号的高阶累积量特征 | 第32-36页 |
| ·信号的分形盒维数特征 | 第36-39页 |
| ·算法描述 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第5章 基于神经网络的信号识别 | 第41-54页 |
| ·引言 | 第41页 |
| ·神经网络基础理论 | 第41-45页 |
| ·神经网络概述 | 第41-43页 |
| ·BP 神经网络 | 第43-45页 |
| ·BP 神经网络分类器设计及仿真 | 第45-53页 |
| ·BP 神经网络分类器的设计 | 第45-47页 |
| ·BP 算法的一些改进 | 第47-48页 |
| ·仿真及结果分析 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表论文 | 第62页 |
