| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-18页 |
| ·调制方式识别的研究背景 | 第11-13页 |
| ·调制方式识别理论的发展状况 | 第13-16页 |
| ·本文主要内容简介 | 第16-18页 |
| 第二章 人工神经网络理论基础 | 第18-30页 |
| ·神经网络的优点 | 第18-19页 |
| ·神经网络模型 | 第19-23页 |
| ·人工神经元模型 | 第19-21页 |
| ·人工神经网络模型及工作方式 | 第21-23页 |
| ·多层感知器(MLP)神经网络 | 第23页 |
| ·反向传播(BP)算法 | 第23-25页 |
| ·BP算法的若干改进 | 第25-27页 |
| ·加入动量项 | 第25页 |
| ·自适应学习率调整法 | 第25-26页 |
| ·Levenberg-Marquardt算法 | 第26-27页 |
| ·BP网络的设计分析 | 第27-30页 |
| ·隐含层数的分析 | 第27页 |
| ·隐含层内节点数的确定 | 第27-28页 |
| ·初始权值的选定 | 第28-29页 |
| ·学习速率的选取 | 第29-30页 |
| 第三章 数字调制识别的特征提取 | 第30-44页 |
| ·数字调制信号 | 第30-34页 |
| ·幅度键控ASK | 第31-32页 |
| ·移频键控FSK | 第32-33页 |
| ·移相键控PSK | 第33-34页 |
| ·Nandi特征参数 | 第34-42页 |
| ·高阶累积量特征参数 | 第42-44页 |
| 第四章 基于神经网络的调制方式识别系统的设计 | 第44-56页 |
| ·神经网络分类器的构造 | 第45-48页 |
| ·神经网络分类器的测试 | 第48-52页 |
| ·仿真结果分析 | 第52-56页 |
| ·神经网络结构参数对识别结果的影响 | 第53-54页 |
| ·信号处理方式对识别结果的影响 | 第54-56页 |
| 第五章 基于高阶累积量判决的调制识别 | 第56-63页 |
| ·识别流程 | 第56-58页 |
| ·计算机仿真 | 第58-60页 |
| ·仿真条件 | 第58页 |
| ·仿真结果 | 第58-60页 |
| ·Nandi特征参数与HOC特征参数在不同信噪比下识别率的比较 | 第60-61页 |
| ·结论 | 第61-63页 |
| 结束语 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |