摘要 | 第1-5页 |
Abstract | 第5-14页 |
第1章 绪论 | 第14-26页 |
·课题的来源及研究目的和意义 | 第14-16页 |
·国内外的研究现状及分析 | 第16-19页 |
·本文采用循环谱的原因 | 第19-21页 |
·本文主要研究内容和结构 | 第21-26页 |
第2章 循环谱理论和通信调制信号循环谱分析 | 第26-42页 |
·引言 | 第26页 |
·循环谱理论 | 第26-30页 |
·循环谱的定义和意义 | 第27-29页 |
·离散时间平稳过程的循环谱 | 第29-30页 |
·循环谱的性质 | 第30-32页 |
·信号相乘的循环谱 | 第30页 |
·信号相加的循环谱 | 第30-31页 |
·采样信号的循环谱 | 第31页 |
·滤波信号的循环谱 | 第31-32页 |
·离散信号的循环谱 | 第32页 |
·循环谱的对称性 | 第32页 |
·调制信号的循环谱 | 第32-38页 |
·连续AM信号的循环谱 | 第33页 |
·PAM信号的循环谱 | 第33-34页 |
·MPSK信号的循环谱 | 第34-38页 |
·循环谱理论的应用领域及其优点 | 第38-41页 |
·本章小结 | 第41-42页 |
第3章 循环谱算法改进及其实现 | 第42-75页 |
·引言 | 第42页 |
·算法复杂度的度量 | 第42-46页 |
·算法描述 | 第42-43页 |
·算法分析 | 第43-46页 |
·循环谱算法概述和实现步骤 | 第46-55页 |
·循环谱基本时域算法 | 第46-48页 |
·基于时域平滑的抽取算法 | 第48-50页 |
·循环谱累计量算法(FAM) | 第50-51页 |
·循环谱分段谱相关算法(SSCA) | 第51-53页 |
·频率平滑算法(FSM) | 第53-55页 |
·基于滑动FFT和一位相关算法的循环谱算法 | 第55-60页 |
·滑动FFT在循环谱算法中的应用 | 第55-57页 |
·一位相关算法 | 第57-58页 |
·改进算法的仿真 | 第58-60页 |
·基于AFT的循环谱改进算法 | 第60-67页 |
·AFT算法及其改进 | 第60-63页 |
·AFT算法在循环谱算法中的应用 | 第63-67页 |
·循环谱算法的FPGA实现 | 第67-74页 |
·NiosII软核处理器 | 第67-70页 |
·循环谱的FPGA实现 | 第70-74页 |
·本章小结 | 第74-75页 |
第4章 基于循环谱的调制方式识别算法 | 第75-109页 |
·引言 | 第75页 |
·调制方式识别算法概述和衡量标准 | 第75-81页 |
·调制方式识别算法介绍 | 第75-78页 |
·统计模式调制方式识别算法的一般流程 | 第78-80页 |
·调制方式识别算法衡量标准 | 第80-81页 |
·基于联合特征特征参数和概率神经网络的调制识别算法 | 第81-87页 |
·特征参数选取 | 第81-82页 |
·概率神经网络介绍 | 第82-84页 |
·概率神经网络结构设计及其改进 | 第84-85页 |
·仿真结果 | 第85-87页 |
·基于自组织映射神经网络的调制识别算法 | 第87-95页 |
·自组织映射神经网络的改进 | 第88-91页 |
·改进自组织映射神经网络性能分析 | 第91-95页 |
·基于循环谱的调制方式识别算法 | 第95-100页 |
·算法描述 | 第95-97页 |
·算法性能验证分析 | 第97-100页 |
·三种算法的性能比较 | 第100-101页 |
·共频段多信号调制算法研究 | 第101-107页 |
·共频段多信号调制方式识别的数学模型 | 第102-103页 |
·共频段多信号的调制方式识别的循环谱算法 | 第103-107页 |
·本章小结 | 第107-109页 |
第5章 基于循环谱的高动态同步算法 | 第109-125页 |
·引言 | 第109页 |
·高动态同步算法概述 | 第109-113页 |
·最大似然估计(MLE) | 第110-111页 |
·扩展卡尔曼滤波(EKF) | 第111-112页 |
·自适应最小均方算法(ALS) | 第112-113页 |
·基于叉积频率跟踪算法和滑动平均的高动态同步算法 | 第113-118页 |
·基于循环谱的高动态同步算法 | 第118-124页 |
·本章小结 | 第124-125页 |
结论 | 第125-127页 |
参考文献 | 第127-138页 |
附录 | 第138-139页 |
攻读博士学位期间所发表的学术论文 | 第139-141页 |
致谢 | 第141-142页 |
个人简历 | 第142页 |