| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 课题研究现状 | 第15-17页 |
| 1.2.1 调制识别研究现状 | 第15-16页 |
| 1.2.2 深度学习研究现状 | 第16页 |
| 1.2.3 未知调制类型的信号识别研究现状 | 第16-17页 |
| 1.3 论文的主要内容及结构安排 | 第17-20页 |
| 第二章 深度学习理论基础 | 第20-30页 |
| 2.1 深度学习概述 | 第20-22页 |
| 2.1.1 深度学习的研究背景 | 第20-21页 |
| 2.1.2 深度学习的基本思想 | 第21-22页 |
| 2.2 深度学习的网络模型 | 第22-29页 |
| 2.2.1 深层神经网络 | 第23-24页 |
| 2.2.2 卷积神经网络 | 第24-27页 |
| 2.2.3 循环神经网络 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于监督学习分类模型的未知调制类型的信号识别 | 第30-50页 |
| 3.1 卷积神经网络分类模型 | 第31-32页 |
| 3.2 卷积神经网络的训练 | 第32-35页 |
| 3.2.1 前向传播 | 第33-34页 |
| 3.2.2 反向传播 | 第34-35页 |
| 3.3 卷积神经网络模型的性能分析 | 第35-39页 |
| 3.3.1 梯度下降算法对分类性能的影响 | 第35-37页 |
| 3.3.2 迭代次数对分类性能的影响 | 第37-38页 |
| 3.3.3 批量尺寸大小对分类性能的影响 | 第38-39页 |
| 3.4 未知调制类型的信号识别 | 第39-45页 |
| 3.4.1 不同降维算法性能分析 | 第39-44页 |
| 3.4.2 特征数据对比性能分析 | 第44-45页 |
| 3.5 仿真及结果分析 | 第45-48页 |
| 3.5.1 数据集说明 | 第45-46页 |
| 3.5.2 仿真环境说明 | 第46页 |
| 3.5.3 识别性能分析 | 第46-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 基于LSTM预测模型的未知调制类型的信号识别 | 第50-68页 |
| 4.1 LSTM预测模型的建立 | 第51-55页 |
| 4.1.1 LSTM预测模型的参数初始化 | 第52-53页 |
| 4.1.2 LSTM层的构建及训练 | 第53-55页 |
| 4.2 LSTM预测模型性能结果分析 | 第55-58页 |
| 4.2.1 网络超参数的性能结果分析 | 第55-56页 |
| 4.2.2 大样本数据集的性能结果分析 | 第56-57页 |
| 4.2.3 小样本数据集的性能结果分析 | 第57-58页 |
| 4.3 未知调制类型信号的识别 | 第58-62页 |
| 4.3.1 高斯分布模型检测算法 | 第59-60页 |
| 4.3.2 模型识别方法的实现 | 第60-62页 |
| 4.4 仿真及结果分析 | 第62-65页 |
| 4.4.1 仿真参数的设置 | 第62页 |
| 4.4.2 仿真结果及分析 | 第62-65页 |
| 4.5 本章小结 | 第65-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |