| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-18页 |
| 1.3 研究目的与意义 | 第18-20页 |
| 1.4 研究内容与创新点 | 第20-21页 |
| 1.5 论文架构安排 | 第21-23页 |
| 第二章 基于多尺度深度卷积神经网络的调制识别方法 | 第23-43页 |
| 2.1 信号时频分布图 | 第24-27页 |
| 2.1.1 Wigner-Ville分布 | 第24-26页 |
| 2.1.2 时频分布图 | 第26-27页 |
| 2.2 多尺度网络架构 | 第27-32页 |
| 2.2.1 卷积神经网络 | 第27-28页 |
| 2.2.2 多尺度卷积子网络 | 第28-31页 |
| 2.2.3 分类层 | 第31-32页 |
| 2.3 实验与分析 | 第32-41页 |
| 2.3.1 数据集与实验条件 | 第32-33页 |
| 2.3.2 实验1：DMCNN多尺度分析 | 第33-36页 |
| 2.3.3 实验2：DMCNN多路分析 | 第36-37页 |
| 2.3.4 实验3：鲁棒性分析 | 第37-39页 |
| 2.3.5 实验4：相关工作对比 | 第39-41页 |
| 2.4 本章小结 | 第41-43页 |
| 第三章 基于序列-序列编解码循环神经网络的调制识别方法 | 第43-63页 |
| 3.1 循环神经网络 | 第44-47页 |
| 3.2 双向递归门控单元神经网络 | 第47-49页 |
| 3.3 基于序列-序列编解码循环神经网络调制识别方法 | 第49-52页 |
| 3.3.1 信号编码网络 | 第50-51页 |
| 3.3.2 信号解码网络 | 第51-52页 |
| 3.3.3 分类网络 | 第52页 |
| 3.4 实验分析 | 第52-60页 |
| 3.4.1 实验条件与数据集分析 | 第53-54页 |
| 3.4.2 实验1：信号编码网络分析 | 第54-56页 |
| 3.4.3 实验2：信号解码网络分析 | 第56-57页 |
| 3.4.4 实验3：分类网络正则化分析 | 第57-58页 |
| 3.4.5 实验4：相关工作对比 | 第58-60页 |
| 3.5 小结 | 第60-63页 |
| 第四章 基于轻量级网络的无线电信号特征提取方法 | 第63-81页 |
| 4.1 编码调制联合数据集的构造 | 第63-64页 |
| 4.2 基于轻量级网络的无线电信号特征提取 | 第64-69页 |
| 4.2.1 轻量级一维卷积神经网络 | 第65-67页 |
| 4.2.2 金字塔层级结构 | 第67-68页 |
| 4.2.3 多尺度卷积核 | 第68-69页 |
| 4.3 实验结果与分析 | 第69-80页 |
| 4.3.1 实验条件 | 第69-70页 |
| 4.3.2 数据集构造 | 第70-74页 |
| 4.3.3 数据集预处理 | 第74页 |
| 4.3.4 实验1：层级结构分析 | 第74-75页 |
| 4.3.5 实验2：多尺度卷积核分析 | 第75-77页 |
| 4.3.6 实验3：正则化分析 | 第77-78页 |
| 4.3.7 实验4：相关工作对比 | 第78-80页 |
| 4.4 本章小结 | 第80-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 5.1 总结 | 第81页 |
| 5.2 展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-91页 |
| 作者简介 | 第91-92页 |