通信信号自动调制识别中的分类器设计
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景与意义 | 第9-10页 |
| ·调制识别技术发展概况 | 第10-12页 |
| ·本文研究内容 | 第12-14页 |
| 第2章 通信信号调制模式 | 第14-25页 |
| ·引言 | 第14页 |
| ·调制的概念 | 第14页 |
| ·已调信号的基本特征参数 | 第14-15页 |
| ·信号的基本调制模式 | 第15-24页 |
| ·模拟调制信号 | 第15-19页 |
| ·数字调制信号 | 第19-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 信号的特征提取 | 第25-46页 |
| ·引言 | 第25页 |
| ·零中心瞬时特征提取 | 第25-28页 |
| ·基于小波分析的特征提取 | 第28-33页 |
| ·小波包概述 | 第28-29页 |
| ·小波包的定义 | 第29-30页 |
| ·基于小波分析的特征提取 | 第30-33页 |
| ·基于分形等特征的特征提取 | 第33-42页 |
| ·分形特征提取 | 第33-35页 |
| ·复杂度特征提取 | 第35-38页 |
| ·熵特征提取 | 第38-40页 |
| ·相像系数特征提取 | 第40-42页 |
| ·三种特征提取方法性能的对比 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 分类器设计 | 第46-56页 |
| ·引言 | 第46页 |
| ·神经网络分类器设计 | 第46-47页 |
| ·支持向量机分类器设计 | 第47-55页 |
| ·统计学习理论 | 第47-49页 |
| ·支持向量机原理 | 第49-53页 |
| ·支持向量机的多类别分类方法 | 第53-54页 |
| ·最小二乘支持向量机 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 信号调制方式分类识别的仿真实验系统 | 第56-66页 |
| ·神经网络分类器仿真实验 | 第56-58页 |
| ·最小二乘支持向量机分类器仿真实验 | 第58-63页 |
| ·不同训练数据长度下的仿真 | 第59-60页 |
| ·不同核函数与不同分类方法下的仿真 | 第60-63页 |
| ·两种分类器的性能对比实验 | 第63-65页 |
| ·小样本情况下的对比 | 第63-64页 |
| ·低信噪比情况下的对比 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 哈尔滨工业大学硕士学位论文原创性声明 | 第73页 |
| 哈尔滨工业大学硕士学位论文使用授权书 | 第73页 |
| 哈尔滨工业大学硕士学位涉密论文管理 | 第73-74页 |
| 致谢 | 第74页 |
