| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·软件无线电理论 | 第11-13页 |
| ·软件无线电概念 | 第11-12页 |
| ·软件无线电发展现状 | 第12-13页 |
| ·调制方式识别的国内外研究现状 | 第13-17页 |
| ·似然比判决理论 | 第13-14页 |
| ·统计模式识别方法 | 第14-17页 |
| ·课题的背景和主要工作 | 第17-20页 |
| 第2章 调制信号的数学模型及预处理 | 第20-36页 |
| ·模拟调制信号 | 第20-22页 |
| ·幅度调制（AM）信号 | 第20-21页 |
| ·频率调制（FM）信号 | 第21-22页 |
| ·数字调制信号 | 第22-30页 |
| ·多进制振幅键控（MASK） | 第23-25页 |
| ·多进制频移键控（MFSK） | 第25-27页 |
| ·多进制相移键控（MPSK） | 第27-29页 |
| ·正交振幅调制（MQAM） | 第29-30页 |
| ·识别前的调制信号预处理 | 第30-34页 |
| ·信号模型与瞬时特征 | 第30-32页 |
| ·载频估计 | 第32-33页 |
| ·符号速率估计 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第3章 调制信号特征提取 | 第36-46页 |
| ·特征参数的提取 | 第36-43页 |
| ·基于瞬时幅度的特征值 | 第36-40页 |
| ·基于瞬时相位的特征值 | 第40-42页 |
| ·基于瞬时频率的特征值 | 第42-43页 |
| ·采样速率与判决门限的选取 | 第43页 |
| ·本章小结 | 第43-46页 |
| 第4章 基于 SVM 的调制方式识别 | 第46-64页 |
| ·统计学习理论 | 第47-49页 |
| ·机器学习问题 | 第47-48页 |
| ·统计学习理论的基本概念 | 第48-49页 |
| ·支持向量机的基本原理 | 第49-56页 |
| ·最优分类面和支持向量 | 第49-52页 |
| ·核函数 | 第52-53页 |
| ·多分类问题 | 第53-56页 |
| ·基于 SVM 调制方式识别 | 第56-62页 |
| ·分类器的设计 | 第56-57页 |
| ·模拟和数字调制方式的识别 | 第57-58页 |
| ·数字调制方式的类间识别 | 第58-60页 |
| ·模拟及数字调制方式的类内识别 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 基于遗传算法和混合核函数 SVM 调制方式识别 | 第64-74页 |
| ·混合核函数 | 第64页 |
| ·遗传算法的基本理论 | 第64-65页 |
| ·遗传算法的实现 | 第65-70页 |
| ·染色体编码方法 | 第65-66页 |
| ·适应度函数 | 第66-67页 |
| ·遗传算法的基本运算 | 第67-68页 |
| ·遗传算法的基本流程 | 第68-69页 |
| ·初始参数设置 | 第69-70页 |
| ·基于遗传算法的 SVM 参数优化 | 第70-72页 |
| ·染色体编码 | 第70页 |
| ·初始种群 | 第70页 |
| ·定义适应度函数 | 第70页 |
| ·基于遗传算法的 SVM 参数优化步骤 | 第70-72页 |
| ·仿真实验 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第6章 基于系统硬件平台的算法实现与性能测试 | 第74-82页 |
| ·硬件平台的搭建 | 第74-75页 |
| ·软件设计 | 第75-78页 |
| ·系统开发环境 | 第75-76页 |
| ·PC 端软件设计决策 | 第76-77页 |
| ·系统的传输协议 | 第77-78页 |
| ·调制方式识别算法的实现及性能分析 | 第78-80页 |
| ·算法实现 | 第78-79页 |
| ·测试及性能分析 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间发表的学术论文 | 第88-90页 |
| 致谢 | 第90页 |