| 第一章 绪论 | 第1-20页 |
| ·软件无线电简述 | 第10-11页 |
| ·研究通信信号调制识别的意义 | 第11-13页 |
| ·信号调制识别技术的发展和研究现状 | 第13-17页 |
| ·基于模式识别的调制分类方法 | 第14-17页 |
| ·最大似然比调制识别方法 | 第17页 |
| ·本文的章节安排 | 第17-20页 |
| 第二章 信号的数学模型和预处理 | 第20-38页 |
| ·信号的数学模型 | 第20-27页 |
| ·M进制振幅键控(MASK) | 第20-21页 |
| ·M进制频移键控(MFSK) | 第21-22页 |
| ·M进制相位键控(MPSK) | 第22-27页 |
| ·信号的预处理 | 第27-36页 |
| ·Hilbert变换 | 第28-29页 |
| ·预处理 | 第29-30页 |
| ·几个重要参数的定义 | 第30-36页 |
| ·信道对信号瞬时特征的影响 | 第36-38页 |
| 第三章 调制信号特征提取和选择 | 第38-48页 |
| ·引言 | 第38-39页 |
| ·基于小波变换的细节特征提取 | 第39-41页 |
| ·A.K.Nandi和E.E.Azzouz提出的特征参数 | 第41-45页 |
| ·模拟信号的识别 | 第41-43页 |
| ·数字信号的识别 | 第43-44页 |
| ·模拟、数字调制信号的联合识别 | 第44页 |
| ·数字调制信号特征参数提取 | 第44-45页 |
| ·调制信号的分型特征提取 | 第45-48页 |
| 第四章 基于人工神经网络调制识别分类器设计 | 第48-77页 |
| ·引言 | 第48-49页 |
| ·人工神经网络模式识别的方法和特点 | 第49-51页 |
| ·BP神经网络的模型和算法 | 第51-62页 |
| ·反向传播算法的基础 | 第52-54页 |
| ·反向传播算法 | 第54-59页 |
| ·BP算法的几点改进 | 第59-62页 |
| ·计算机仿真 | 第62-77页 |
| ·仿真实验设计 | 第62-63页 |
| ·实验变量 | 第63页 |
| ·实验结果 | 第63-71页 |
| ·算法改进 | 第71-77页 |
| 第五章 结论和展望 | 第77-79页 |
| ·本文所作的工作 | 第77-78页 |
| ·进一步研究的方向 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 在读期间发表的论文 | 第84页 |