| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题的来源及研究目的和意义 | 第9-10页 |
| 1.2 国内外的研究现状和发展要求 | 第10-11页 |
| 1.3 本文采用循环谱的原因 | 第11-12页 |
| 1.4 文章结构 | 第12-13页 |
| 第二章 循环谱理论及其应用领域 | 第13-19页 |
| 2.1 引言 | 第13页 |
| 2.2 循环谱的定义和意义 | 第13-15页 |
| 2.3 循环谱的相关性质 | 第15-16页 |
| 2.3.1 两个信号相乘的循环谱 | 第16页 |
| 2.3.2 两个信号相加的循环谱 | 第16页 |
| 2.3.3 循环谱的对称性 | 第16页 |
| 2.4 循环谱理论的优势和应用领域 | 第16-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 基于循环谱的调制方式识别算法 | 第19-39页 |
| 3.1 引言 | 第19页 |
| 3.2 调制方式识别算法的概述以及衡量标准 | 第19-23页 |
| 3.2.1 调制方式识别算法的介绍 | 第19-21页 |
| 3.2.2 统计模式调制方式识别算法的一般流程 | 第21-23页 |
| 3.2.3 调制方式识别算法的衡量标准 | 第23页 |
| 3.3 基于循环谱特征值相减求模的调制识别算法 | 第23-32页 |
| 3.3.1 基于循环谱特征值相减求模调制方式算法的流程 | 第23-24页 |
| 3.3.2 信号特征集合的构建 | 第24-27页 |
| 3.3.3 算法的性能 | 第27-32页 |
| 3.4 基于循环谱特征值的神经网络调制识别算法 | 第32-37页 |
| 3.4.1 神经网络算法 | 第32-33页 |
| 3.4.2 分类器的训练 | 第33-35页 |
| 3.4.3 算法的性能 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于循环谱的频率偏移估计算法 | 第39-59页 |
| 4.1 引言 | 第39页 |
| 4.2 频偏对信号循环谱的影响 | 第39-42页 |
| 4.3 基于信号FFT的频率偏移估计算法 | 第42-45页 |
| 4.4 基于信号星座图的频率偏移估计算法 | 第45-46页 |
| 4.5 以上两种频率偏移估计算法的比较与缺陷 | 第46-47页 |
| 4.6 基于循环谱的频率偏移估计算法 | 第47-58页 |
| 4.6.1 基于循环谱的频率偏移估计算法 | 第47-49页 |
| 4.6.2 基于循环谱的频偏估计算法的优化 | 第49-54页 |
| 4.6.3 经过两个优化模块后频偏算法的性能 | 第54-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |