| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题的背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 调制特征参数提取 | 第14-16页 |
| 1.2.2 统计模式识别分类器 | 第16-17页 |
| 1.3 课题的内容和结构安排 | 第17-19页 |
| 第二章 制式识别与信号处理基础 | 第19-36页 |
| 2.1 水声信道 | 第19-23页 |
| 2.1.1 多径效应 | 第20-21页 |
| 2.1.2 多普勒效应 | 第21-22页 |
| 2.1.3 Alpha稳态分布噪声 | 第22-23页 |
| 2.2 制式识别的分类器 | 第23-28页 |
| 2.2.1 决策树分类器 | 第24-25页 |
| 2.2.2 神经网络分类器 | 第25-27页 |
| 2.2.3 支持向量机分类器 | 第27-28页 |
| 2.3 单载波与多载波信号 | 第28-35页 |
| 2.3.1 单载波信号 | 第29-33页 |
| 2.3.2 多载波信号 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 制式识别特征参数提取 | 第36-51页 |
| 3.1 统计量特征 | 第36-45页 |
| 3.1.1 信号瞬时特征 | 第36-40页 |
| 3.1.2 信号瞬时特征统计量 | 第40-42页 |
| 3.1.3 高阶统计量 | 第42-45页 |
| 3.2 小波变换 | 第45-49页 |
| 3.3 希尔伯特黄变换 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 仿真分析 | 第51-75页 |
| 4.1 BELLHOP水声信道模型 | 第51-53页 |
| 4.2 基于小波变换的制式识别仿真分析 | 第53-66页 |
| 4.2.1 调制信号的Haar小波变换 | 第54-55页 |
| 4.2.2 基于Haar小波变换的类间特征提取 | 第55-59页 |
| 4.2.3 基于Haar小波变换的类内特征提取 | 第59-66页 |
| 4.3 基于小波分解的仿真分析 | 第66-71页 |
| 4.3.1 信号的Daubechies3小波变换 | 第68-70页 |
| 4.3.2 基于Daubechies3小波变换的类间特征提取 | 第70-71页 |
| 4.4 基于SVM的识别流程及性能仿真 | 第71-74页 |
| 4.4.1 识别流程 | 第71-73页 |
| 4.4.2 算法性能分析 | 第73-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 论文总结 | 第75-76页 |
| 5.2 下一步工作 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |