| 中文摘要 | 第1-8页 |
| 英文摘要 | 第8-11页 |
| 第一章 绪论 | 第11-18页 |
| 1．1 调制信号识别概述 | 第11-12页 |
| 1．2 发展简史和研究现状 | 第12-14页 |
| 1．3 本文的主要工作及章节安排 | 第14-18页 |
| 第二章 调制信号的特征提取 | 第18-35页 |
| 2．1 引言 | 第18页 |
| 2．2 基本时域、频域和功率谱特征提取 | 第18-21页 |
| 2．3 基于小波分解的细节特征提取 | 第21-23页 |
| 2．4 基于分形理论特征的提取 | 第23-30页 |
| 2．4．1 分形理论简介及分形特征的提取 | 第23-25页 |
| 2．4．2 分形特征的性能分析和仿真实验 | 第25-30页 |
| 2．5 基于Lempel-Ziv复杂度的特征提取 | 第30-33页 |
| 2．6 小结 | 第33-35页 |
| 第三章 调制信号的特征选择 | 第35-53页 |
| 3．1 引言 | 第35-36页 |
| 3．2 最优搜索算法—“分支定界”法 | 第36-38页 |
| 3．3 次优搜索算法 | 第38-40页 |
| 3．4 基于遗传算法的特征选择 | 第40-52页 |
| 3．4．1 遗传算法简介及举例 | 第40-48页 |
| 3．4．2 使用遗传算法选择特征 | 第48-52页 |
| 3．5 小结 | 第52-53页 |
| 第四章 不确定性推理理论 | 第53-63页 |
| 4．1 引言 | 第53-54页 |
| 4．2 Bayes决策理论 | 第54-56页 |
| 4．3 证据（Dempster-Shafer）理论 | 第56-60页 |
| 4．4 模糊积分理论 | 第60-62页 |
| 4．5 小结 | 第62-63页 |
| 第五章 单个分类器 | 第63-80页 |
| 5．1 引言 | 第63-64页 |
| 5．2 分类器设计一般途径及分类器主要类型 | 第64-66页 |
| 5．3 单个分类器的设计 | 第66-79页 |
| 5．3．1 距离测量分类器 | 第66-68页 |
| 5．3．2 神经网络分类器 | 第68-72页 |
| 5．3．3 证据嵌入分类器 | 第72-75页 |
| 5．3．4 基于神经网络的最佳分类器 | 第75-79页 |
| 5．4 小结 | 第79-80页 |
| 第六章 组合分类器 | 第80-102页 |
| 6．1 引言 | 第80-81页 |
| 6．2 不确定性推理组合分类器 | 第81-90页 |
| 6．2．1 基于模糊积分的组合分类器 | 第81-84页 |
| 6．2．2 基于证据区间的组合分类器 | 第84-87页 |
| 6．2．3 基于概率论的组合分类器 | 第87-90页 |
| 6．3 权连接组合分类器 | 第90-97页 |
| 6．3．1 最佳线性组合分类器 | 第91-92页 |
| 6．3．2 高效非线性组合分类器 | 第92-97页 |
| 6．4 分层结构的组合分类器 | 第97-100页 |
| 6．5 小结 | 第100-102页 |
| 第七章 实际通信信号的识别实验 | 第102-107页 |
| 第八章 全文总结 | 第107-110页 |
| 致谢 | 第110-112页 |
| 参考文献 | 第112-119页 |
| 作者在攻读博士学位期间完成的学术论文 | 第119-120页 |
| 作者在攻读博士学位期间参加的科研项目 | 第120页 |