摘要 | 第1-6页 |
ABSTRACT | 第6-14页 |
第一章 绪论 | 第14-24页 |
·课题研究背景 | 第14-15页 |
·课题研究的目的和意义 | 第15-16页 |
·软件无线电的概念 | 第16-18页 |
·自动调制识别技术 | 第18-22页 |
·自动调制识别技术的发展过程 | 第18-20页 |
·一般调制样式识别过程的框架结构 | 第20-21页 |
·自动调制识别技术新要求 | 第21-22页 |
·本文主要内容简介 | 第22-24页 |
第二章 神经网络模型与BP算法 | 第24-37页 |
·神经网络简介 | 第24-25页 |
·人工神经网络模型 | 第25-27页 |
·人工神经元模型 | 第25页 |
·人工神经网络工作方式 | 第25-27页 |
·多层感知器(MLP)神经网络 | 第27页 |
·反向传播(BP)算法 | 第27-30页 |
·BP算法基本原理 | 第27-28页 |
·BP算法学习过程的具体步骤 | 第28-30页 |
·BP神经网络的设计 | 第30-32页 |
·隐含层数的选择 | 第30-31页 |
·隐含层节点数的确定 | 第31页 |
·初始权值的选取 | 第31-32页 |
·学习率的选择 | 第32页 |
·BP算法的改进 | 第32-35页 |
·加入动量项 | 第32页 |
·自适应学习率调整法 | 第32-33页 |
·Levenberg-Marquardt算法 | 第33页 |
·RPROP算法 | 第33-35页 |
·数字通信信号识别中神经网络的应用 | 第35-36页 |
·本章小节 | 第36-37页 |
第三章 软件无线电中调制识别的预处理部分 | 第37-49页 |
·软件无线电的基本结构 | 第37-38页 |
·软件无线电中调制信号通用模型 | 第38-39页 |
·数字调制信号的正交实现算法 | 第39-41页 |
·振幅键控(2ASK)信号 | 第39页 |
·二进制频移键控(2FSK)信号 | 第39-40页 |
·二进制相移键控(2PSK)信号 | 第40页 |
·四进制数字相位调制(QPSK)信号 | 第40-41页 |
·正交振幅调制(QAM)信号 | 第41页 |
·软件无线电接收机数学模型 | 第41-44页 |
·识别前的参数估计 | 第44-48页 |
·采样频率的选择 | 第44-45页 |
·载频估计 | 第45-47页 |
·符号速率估计 | 第47-48页 |
·本章小结 | 第48-49页 |
第四章 基于时域统计和分形特征的参数提取 | 第49-72页 |
·数字信号载波调制的目的 | 第49页 |
·数字调制信号仿真 | 第49-53页 |
·理想信道仿真 | 第49-51页 |
·高斯白噪声分析 | 第51-52页 |
·高斯信道仿真 | 第52-53页 |
·瞬时特征分析及提取 | 第53-62页 |
·瞬时特征的提取与处理 | 第53-57页 |
·瞬时相位去卷叠 | 第56页 |
·线性相位分量 | 第56-57页 |
·理想信道瞬时特征提取 | 第57-61页 |
·高斯信道瞬时特征提取 | 第61-62页 |
·时域统计特征提取 | 第62-69页 |
·2ASK BPSK 2FSK 4ASK QPSK 4FSK和MQAM的识别参数 | 第62-65页 |
·BPSK、QPSK、2FSK和4FSK的识别参数 | 第65-68页 |
·2ASK与4ASK的识别参数 | 第68-69页 |
·分形特征提取 | 第69-71页 |
·本章小节 | 第71-72页 |
第五章 基于神经网络的数字调制方式识别 | 第72-87页 |
·统计模式识别 | 第72-73页 |
·神经网络模式识别的方法和特点 | 第73-74页 |
·基于判决树的分类方法 | 第74-76页 |
·分层结构MLP分类器的设计 | 第76-77页 |
·基于分层结构MLP的分类识别 | 第77-86页 |
·数字调制信号样本 | 第77-78页 |
·待识别信号的特征参数样本数据 | 第78-79页 |
·分层结构神经网络训练 | 第79-82页 |
·测试网络实验结果 | 第82-83页 |
·观察数据的长度对识别率的影响 | 第83-86页 |
·本章小节 | 第86-87页 |
总结与展望 | 第87-88页 |
参考文献 | 第88-92页 |
致谢 | 第92-93页 |
硕士期间发表的论文 | 第93页 |