弹性光网络中基于机器学习的调制格式识别技术及应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 格式识别的发展现状与趋势 | 第10-13页 |
| 1.2.1 基于决策论的格式识别 | 第11-12页 |
| 1.2.2 基于特征的格式识别 | 第12-13页 |
| 1.3 论文的主要工作 | 第13-14页 |
| 1.4 论文的结构安排 | 第14-17页 |
| 第二章 基于异步采样的异步幅度直方图特征提取原理 | 第17-27页 |
| 2.1 异步幅度直方图原理 | 第17-18页 |
| 2.2 异步采样时钟频率的设定 | 第18-22页 |
| 2.3 特征参数提取 | 第22-26页 |
| 2.3.1 调制格式类型的选取 | 第22页 |
| 2.3.2 四种格式的系统仿真图及异步幅度直方图 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于SVM的光调制格式识别原理 | 第27-47页 |
| 3.1 基于SVM的光调制格式识别背景 | 第27页 |
| 3.2 支持向量机算法原理 | 第27-44页 |
| 3.2.1 线性分类 | 第27-35页 |
| 3.2.2 非线性分类 | 第35-39页 |
| 3.2.3 松弛变量和惩罚因子 | 第39-42页 |
| 3.2.4 多分类问题 | 第42-44页 |
| 3.3 基于SVM的光调制格式识别模型 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于SVM格式识别的仿真分析 | 第47-55页 |
| 4.1 基于SVM的格式识别仿真系统 | 第47-49页 |
| 4.2 SVM对四种调制格式进行识别结果分析 | 第49-53页 |
| 4.2.1 基于SVM的调制格式分类 | 第49-50页 |
| 4.2.2 基于ANN的调制格式识别 | 第50-52页 |
| 4.2.3 两种调制格式方法之对比 | 第52-53页 |
| 4.3 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 论文工作总结 | 第55页 |
| 5.2 未来研究展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士期间发表的学术论文 | 第63页 |
