| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 国内外发展现状 | 第12-17页 |
| 1.2.1 基带调制识别算法 | 第13-15页 |
| 1.2.2 带限调制识别算法 | 第15-17页 |
| 1.3 本文研究的主要内容及结构安排 | 第17-19页 |
| 第2章 常用数字信号调制方式分析及调制识别理论 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 常用数字信号调制方式分析 | 第19-23页 |
| 2.2.1 幅度键控调制信号 | 第19-20页 |
| 2.2.2 频移键控调制信号 | 第20-21页 |
| 2.2.3 相移键控调制信号 | 第21-22页 |
| 2.2.4 正交幅度调制信号 | 第22-23页 |
| 2.3 调制识别算法研究 | 第23-33页 |
| 2.3.1 特征提取方法研究 | 第24-29页 |
| 2.3.2 分类识别方法研究 | 第29-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 基于小波和高阶累积量的数字通信信号调制识别算法 | 第35-51页 |
| 3.1 引言 | 第35页 |
| 3.2 数字调制信号模型 | 第35-36页 |
| 3.3 高阶累积量和小波的理论分析 | 第36-38页 |
| 3.3.1 高阶累积量的理论基础 | 第36页 |
| 3.3.2 高阶累积量的性质 | 第36-37页 |
| 3.3.3 小波变换理论 | 第37-38页 |
| 3.4 基于小波和高阶累积量的调制识别算法 | 第38-45页 |
| 3.4.1 数字调制信号高阶累积量分析 | 第38-39页 |
| 3.4.2 基于高阶累积量的特征提取及算法改进 | 第39-44页 |
| 3.4.3 最佳尺度因子选择 | 第44-45页 |
| 3.4.4 算法步骤 | 第45页 |
| 3.5 仿真与分析 | 第45-49页 |
| 3.5.1 实验仿真 | 第45-48页 |
| 3.5.2 结果分析 | 第48页 |
| 3.5.3 尺度因子a对信号识别的影响 | 第48-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 基于支持向量机的数字通信信号调制识别算法 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 支持向量机的基本原理 | 第51-57页 |
| 4.2.1 基本概念 | 第51-53页 |
| 4.2.2 核函数 | 第53-54页 |
| 4.2.3 SVM分类器识别过程 | 第54-55页 |
| 4.2.4 多类分类问题 | 第55-57页 |
| 4.3 基于二叉树支持向量机的调制识别算法 | 第57-59页 |
| 4.3.1 识别特征 | 第57-58页 |
| 4.3.2 识别算法流程 | 第58-59页 |
| 4.4 仿真与分析 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 基于循环谱特征的数字通信信号调制识别算法 | 第61-83页 |
| 5.1 引言 | 第61-62页 |
| 5.2 谱相关密度函数理论与定义 | 第62-65页 |
| 5.2.1 循环自相关函数 | 第62-63页 |
| 5.2.2 循环谱密度函数定义与估计算法 | 第63-64页 |
| 5.2.3 循环谱的特性 | 第64-65页 |
| 5.3 待识别信号循环谱分析 | 第65-72页 |
| 5.3.1 MPSK信号循环谱分析 | 第65-66页 |
| 5.3.2 MFSK信号的循环谱分析 | 第66-68页 |
| 5.3.3 MSK信号的循环谱分析 | 第68-69页 |
| 5.3.4 MQAM信号的循环谱分析 | 第69-70页 |
| 5.3.5 多载波OFDM信号的循环谱分析 | 第70-72页 |
| 5.4 基于循环谱特征的调制识别算法 | 第72-77页 |
| 5.4.1 多径信道模型 | 第72页 |
| 5.4.2 特征参数提取 | 第72-76页 |
| 5.4.3 算法流程 | 第76-77页 |
| 5.5 仿真与分析 | 第77-80页 |
| 5.5.1 仿真条件 | 第77页 |
| 5.5.2 仿真与结果分析 | 第77-80页 |
| 5.6 本章小结 | 第80-83页 |
| 第6章 总结与展望 | 第83-85页 |
| 6.1 工作总结 | 第83-84页 |
| 6.2 未来工作展望 | 第84-85页 |
| 参考文献 | 第85-93页 |
| 致谢 | 第93-95页 |
| 作者攻读硕士学位期间发表的论文 | 第95页 |