短波通信中的数字调制信号识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·论文研究的目的和意义 | 第10-11页 |
| ·国内外研究现状及分析 | 第11-17页 |
| ·判决理论识别方法 | 第11-13页 |
| ·统计模式识别方法 | 第13-15页 |
| ·两种识别方法比较 | 第15-16页 |
| ·发展动态 | 第16-17页 |
| ·研究内容及章节安排 | 第17-19页 |
| ·主要研究内容 | 第17-18页 |
| ·章节安排 | 第18-19页 |
| 第2章 调制方式自动识别的理论基础 | 第19-25页 |
| ·典型调制方式 | 第19-21页 |
| ·调制信号基本参数的估计 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于小波包和高阶累积量的特征提取 | 第25-50页 |
| ·小波包变换 | 第25-38页 |
| ·小波分析基本理论 | 第25-32页 |
| ·小波包理论 | 第32-38页 |
| ·高阶累积量 | 第38-45页 |
| ·高阶矩和高阶累积量的定义 | 第39-42页 |
| ·高阶矩和高阶累积量的转换关系 | 第42-44页 |
| ·高阶累积量的性质 | 第44-45页 |
| ·基于小波包和累积量的特征提取方法 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于支持向量机的分类器设计 | 第50-63页 |
| ·支持向量机分类器 | 第50-61页 |
| ·统计学习理论 | 第51-52页 |
| ·支持向量机原理 | 第52-56页 |
| ·支持向量机的多类别分类方法 | 第56-60页 |
| ·支持向量机的模型选择 | 第60-61页 |
| ·调制信号分类器设计 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 实验结果及分析 | 第63-67页 |
| ·LIBSVM简介 | 第63页 |
| ·性能仿真 | 第63-66页 |
| ·实验一:验证算法的有效性 | 第64页 |
| ·实验二:不同信噪比下的识别率 | 第64-65页 |
| ·实验三:不同核函数下的识别率 | 第65页 |
| ·实验四:两级分类器与单级分类器性能比较 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74页 |
