数字调制方式识别的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10页 |
| 1.3 论文主要研究内容和章节安排 | 第10-13页 |
| 第2章 数字调制识别的相关理论基础 | 第13-25页 |
| 2.1 数字调制信号 | 第13-17页 |
| 2.1.1 幅度键控MASK | 第13-14页 |
| 2.1.2 移频键控MFSK | 第14-15页 |
| 2.1.3 移相键控MPSK | 第15-16页 |
| 2.1.4 正交幅相键控MQAM | 第16-17页 |
| 2.2 数字信号调制的优势 | 第17-18页 |
| 2.3 调制识别方法 | 第18-24页 |
| 2.3.1 基于决策理论的最大似然假设检验方法 | 第19-21页 |
| 2.3.2 基于特征提取的模式识别方法 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于神经网络的数字调制方式识别 | 第25-33页 |
| 3.1 算法概述 | 第25-26页 |
| 3.2 信号预处理 | 第26-27页 |
| 3.3 分类模块 | 第27-28页 |
| 3.4 算法流程 | 第28-29页 |
| 3.5 实验结果与分析 | 第29-31页 |
| 3.6 本章小结 | 第31-33页 |
| 第4章 基于高阶累积量的数字调制方式识别 | 第33-45页 |
| 4.1 高阶累积量理论 | 第33-39页 |
| 4.1.1 随机变量的高阶矩和高阶累积量 | 第33-34页 |
| 4.1.2 随机向量的高阶矩和高阶累积量 | 第34-36页 |
| 4.1.3 随机过程的高阶矩和高阶累积量 | 第36-37页 |
| 4.1.4 高阶矩和高阶累积量的转换关系及性质 | 第37-38页 |
| 4.1.5 数字信号的高阶矩和高阶累积量 | 第38-39页 |
| 4.2 基于高阶累积量的数字信号调制方式识别 | 第39-42页 |
| 4.2.1 数字信号高阶累积量的理论值 | 第39-41页 |
| 4.2.2 算法步骤 | 第41-42页 |
| 4.3 仿真结果与分析 | 第42-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第5章 基于星座图聚类的数字调制方式识别 | 第45-57页 |
| 5.1 聚类算法 | 第45-47页 |
| 5.2 基于聚类的MQAM调制识别算法 | 第47-49页 |
| 5.3 基于聚类的MPSK调制识别算法 | 第49-50页 |
| 5.4 仿真与性能分析 | 第50-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间所发表的论文 | 第63-65页 |
| 致谢 | 第65页 |
