| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-26页 |
| ·研究背景 | 第18页 |
| ·研究意义 | 第18-19页 |
| ·国内外研究现状 | 第19-22页 |
| ·主要工作与创新点 | 第22-24页 |
| ·研究内容与安排 | 第24-26页 |
| 第二章 N维数据块正交调制及MIMO系统重建识别研究 | 第26-46页 |
| ·引言 | 第26-28页 |
| ·N维数据块正交调制识别 | 第28-35页 |
| ·N维数据块正交调制模型 | 第28页 |
| ·N维数据块正交调制识别算法 | 第28-31页 |
| ·N维数据块正交调制识别性能理论分析 | 第31-32页 |
| ·N维数据块正交调制识别仿真与结果分析 | 第32-35页 |
| ·基于粒子群优化与SVR-ADLA算法的MIMO系统重建识别 | 第35-43页 |
| ·MIMO系统模型 | 第35页 |
| ·MIMO系统识别原理 | 第35-40页 |
| ·基于SVR的RBFNS初始化网络的建立 | 第36-37页 |
| ·RBFNS网络系统识别训练 | 第37-38页 |
| ·粒子群优化算法 | 第38-40页 |
| ·MIMO系统识别模型 | 第40页 |
| ·MIMO系统重建识别仿真与结果分析 | 第40-43页 |
| ·小结 | 第43-46页 |
| 第三章 MLP神经网络通信信号调制识别研究 | 第46-64页 |
| ·引言 | 第46-47页 |
| ·基于BA、QP、Super SAB、CG算法的神经网络调制识别 | 第47-55页 |
| ·联合特征模块 | 第47-49页 |
| ·由BA算法提取联合特征模块 | 第49-50页 |
| ·多层感知器神经网络分类器 | 第50-51页 |
| ·多层感知器分类器训练采用的各种不同算法 | 第51-53页 |
| ·基于BA,QP,Super SAB,CG算法的神经网络调制识别仿真及性能分析 | 第53-55页 |
| ·基于聚类和变梯度修正BP算法的神经网络调制识别 | 第55-62页 |
| ·聚类算法 | 第55-56页 |
| ·改进的变梯度Polak-Ribiere修正BP算法 | 第56-57页 |
| ·聚类与神经网络联合调制识别码原理 | 第57-61页 |
| ·基于聚类与变梯度修正BP算法的神经网络调制识别仿真及性能分析 | 第61-62页 |
| ·小结 | 第62-64页 |
| 第四章 单载波多载波调制及混合调制的信号调制识别研究 | 第64-78页 |
| ·引言 | 第64-65页 |
| ·基于决策理论算法的单载波多载波数字调制识别 | 第65-70页 |
| ·单载波多载波数字调制识别信号统计特征参数的提取 | 第65-68页 |
| ·单载波多载波数字调制识别识别方法与步骤 | 第68-69页 |
| ·单载波多载波数字调制识别仿真及结果分析 | 第69-70页 |
| ·基于决策理论算法的混合调制信号的调制识别 | 第70-77页 |
| ·混合调制信号识别的组合特征慎 | 第70-75页 |
| ·混合调制信号调制分类识别算法 | 第75-76页 |
| ·混合调制识别仿真结果及性能分析 | 第76-77页 |
| ·小结 | 第77-78页 |
| 第五章 基于一阶循环均值算法的VHF频段信号调制分类识别研究 | 第78-86页 |
| ·引言 | 第78页 |
| ·一阶循环平稳识别特征参数 | 第78-80页 |
| ·一阶循环均值识别算法及识别步骤 | 第80-81页 |
| ·识别方法性能理论分析 | 第81-82页 |
| ·仿真与结果分析 | 第82-85页 |
| ·小结 | 第85-86页 |
| 第六章 结论和展望 | 第86-90页 |
| ·研究结论 | 第86-88页 |
| ·研究展望 | 第88-90页 |
| 参考文献 | 第90-100页 |
| 致谢 | 第100-102页 |
| 作者简介 | 第102-103页 |
| 1. 基本情况 | 第102页 |
| 2. 教育背景 | 第102页 |
| 3. 在学期间的研究成果 | 第102-103页 |
