| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题背景及意义 | 第11-12页 |
| ·课题的研究历史与研究现状 | 第12-17页 |
| ·稀疏去噪的发展历史 | 第12-14页 |
| ·盲信号分离的研究历史与研究现状 | 第14-15页 |
| ·调制识别发展概况及研究现状 | 第15-17页 |
| ·论文内容及结构安排 | 第17-18页 |
| 第2章 基于稀疏分解的单路含噪盲信号检测 | 第18-33页 |
| ·信号的稀疏表示 | 第18-19页 |
| ·信号的过完备原子库 | 第19页 |
| ·信号稀疏分解的 MP 算法 | 第19-24页 |
| ·匹配跟踪（MP）算法的基本思想 | 第20-22页 |
| ·MP 算法的实现方法 | 第22-23页 |
| ·MP 算法计算复杂性分析 | 第23-24页 |
| ·稀疏分解去噪 | 第24-27页 |
| ·稀硫分解在信号去噪中的应用 | 第24-25页 |
| ·稀疏分解去噪的基本思想 | 第25-27页 |
| ·基于 MP 算法的针对单路含噪盲信号检测的仿真 | 第27-32页 |
| ·基于 MP 的单路含噪盲信号去噪 | 第27-31页 |
| ·单路盲信号的识别 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于偏移 Fast ICA 的多路含噪信号盲分离算法 | 第33-55页 |
| ·盲分离的基本模型 | 第33-38页 |
| ·盲分离的数学原理 | 第33-36页 |
| ·盲分离的不确定性 | 第36-37页 |
| ·盲分离性能指标 | 第37-38页 |
| ·信号的预处理 | 第38-39页 |
| ·信号的零均值化 | 第38页 |
| ·信号的白化 | 第38-39页 |
| ·Fast ICA 算法 | 第39-44页 |
| ·非高斯性的度量测度及其简化 | 第39-41页 |
| ·算法推导 | 第41-43页 |
| ·算法步骤 | 第43-44页 |
| ·有噪偏移 Fast ICA 算法 | 第44-48页 |
| ·拟白化 | 第45页 |
| ·高斯矩 | 第45-47页 |
| ·算法推导 | 第47-48页 |
| ·盲信号分离仿真 | 第48-54页 |
| ·通信信号产生 | 第48-50页 |
| ·Fast ICA 对不含噪声的通信盲信号解混 | 第50-52页 |
| ·Fast ICA 对含噪声的通信盲信号解混 | 第52-53页 |
| ·偏移 Fast ICA 对含噪声通信盲信号解混 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 基于支持向量机的通信信号识别 | 第55-73页 |
| ·关于支持向量机的原理介绍 | 第55-66页 |
| ·具有线性结构的支持向量机 | 第55-58页 |
| ·广义线性概念下的支持向量机 | 第58-59页 |
| ·非线性概念下的支持向量机 | 第59-62页 |
| ·具有多分类机制的支持向量机 | 第62-66页 |
| ·在瞬时信息条件下对数字信息进行调制时所具有的识别方法 | 第66-69页 |
| ·Hilbert 变换提取瞬时信息 | 第66-67页 |
| ·在瞬时信息情况下对特征参数进行提取 | 第67-69页 |
| ·对于通信信号的不同调制方式的识别仿真 | 第69-72页 |
| ·在瞬时信息条件下对特征参数进行提取 | 第69-70页 |
| ·基于二叉树结构下的支持向量机分类方法 | 第70-71页 |
| ·基于一对多结构下的支持向量机分类方法 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |