| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 调制识别研究现状 | 第17-21页 |
| 1.2.1 基于假设检验似然比方法 | 第18-19页 |
| 1.2.2 基于特征提取的模式识别方法 | 第19-21页 |
| 1.3 本文主要研究内容和结构 | 第21-24页 |
| 第二章 通信及通信侦察系统的建模 | 第24-44页 |
| 2.1 通信系统模型 | 第24-25页 |
| 2.2 通信信号调制样式建模与仿真 | 第25-33页 |
| 2.2.1 模拟调制 | 第26-27页 |
| 2.2.2 数字调制 | 第27-33页 |
| 2.3 通信侦察系统模型 | 第33-35页 |
| 2.4 通信信号调制识别 | 第35-36页 |
| 2.5 基于小波变换的模拟与数字通信信号的识别与分离 | 第36-43页 |
| 2.6 本章小结 | 第43-44页 |
| 第三章 基于瞬时特征的调制识别 | 第44-58页 |
| 3.1 基于瞬时信息的特征提取 | 第44-51页 |
| 3.1.1 通信信号的瞬时参数 | 第44-46页 |
| 3.1.2 特征提取 | 第46-51页 |
| 3.2 决策树分类器 | 第51页 |
| 3.3 算法流程 | 第51-53页 |
| 3.4 仿真实验及结果分析 | 第53-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第四章 基于高阶累积量和熵值联合特征的调制识别 | 第58-74页 |
| 4.1 基于高阶累积量和熵值的联合特征提取 | 第58-69页 |
| 4.1.1 基于高阶累积量的特征提取 | 第58-63页 |
| 4.1.2 基于熵值的特征提取 | 第63-67页 |
| 4.1.3 构造联合特征模块 | 第67-69页 |
| 4.2 算法流程 | 第69-70页 |
| 4.3 仿真实验及结果分析 | 第70-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 基于支持向量机的调制识别 | 第74-98页 |
| 5.1 支持向量机 | 第74-80页 |
| 5.1.1 SVM原理 | 第74-79页 |
| 5.1.2 SVM多类分类问题 | 第79-80页 |
| 5.2 基于PSO-SVM的调制识别 | 第80-90页 |
| 5.2.1 粒子群算法 | 第80-83页 |
| 5.2.2 基于粒子群算法优化SVM | 第83-85页 |
| 5.2.3 PSO-SVM分类器实现 | 第85-86页 |
| 5.2.4 仿真实验及结果分析 | 第86-90页 |
| 5.3 基于改进PSO-SVM的调制识别 | 第90-96页 |
| 5.3.1 改进PSO算法 | 第90-93页 |
| 5.3.2 改进PSO-SVM分类器实现 | 第93-94页 |
| 5.3.3 仿真实验及结果分析 | 第94-96页 |
| 5.4 本章小结 | 第96-98页 |
| 第六章 总结和展望 | 第98-100页 |
| 参考文献 | 第100-104页 |
| 致谢 | 第104-106页 |
| 作者简介 | 第106-107页 |