基于复杂度特征的通信辐射源个体识别
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-32页 |
| 1.1 通信辐射源个体识别概述 | 第11-14页 |
| 1.2 课题的研究意义 | 第14-16页 |
| 1.3 国内外研究及发展现状 | 第16-29页 |
| 1.3.1 通信调制信号特征提取的发展现状 | 第17-20页 |
| 1.3.2 辐射源个体细微特征提取的发展现状 | 第20-24页 |
| 1.3.3 本文相关算法的研究与发展现状 | 第24-29页 |
| 1.4 主要研究内容与章节安排 | 第29-32页 |
| 第2章 分类器设计算法 | 第32-49页 |
| 2.1 引言 | 第32-33页 |
| 2.2 灰色关联理论基本算法 | 第33-37页 |
| 2.2.1 普通灰色关联算法 | 第34-36页 |
| 2.2.2 区间灰色关联算法 | 第36-37页 |
| 2.3 改进灰色关联算法 | 第37-40页 |
| 2.3.1 改进自适应均值灰关联算法 | 第38-39页 |
| 2.3.2 改进自适应区间灰关联算法 | 第39-40页 |
| 2.4 神经网络分类器 | 第40-45页 |
| 2.5 仿真结果与分析 | 第45-48页 |
| 2.6 本章小结 | 第48-49页 |
| 第3章 基于熵和Holder系数的特征提取算法 | 第49-65页 |
| 3.1 引言 | 第49-50页 |
| 3.2 基于熵特征的特征提取算法 | 第50-57页 |
| 3.2.1 熵特征基本定义 | 第51-52页 |
| 3.2.2 熵特征提取算法实现步骤 | 第52-53页 |
| 3.2.3 仿真实验与分析 | 第53-57页 |
| 3.3 Holder系数的特征提取算法 | 第57-64页 |
| 3.3.1 Holder系数基本定义 | 第57-58页 |
| 3.3.2 Holder系数特征提取算法实现步骤 | 第58-60页 |
| 3.3.3 仿真实验与分析 | 第60-64页 |
| 3.4 本章小结 | 第64-65页 |
| 第4章 基于云模型的二次特征提取算法 | 第65-81页 |
| 4.1 引言 | 第65-66页 |
| 4.2 云模型基本理论 | 第66-69页 |
| 4.3 改进熵云特征的二次特征提取算法 | 第69-73页 |
| 4.3.1 算法实现基本步骤 | 第69-70页 |
| 4.3.2 仿真结果与分析 | 第70-73页 |
| 4.4 改进Holder云特征的二次特征提取算法 | 第73-80页 |
| 4.4.1 算法实现基本步骤 | 第74-76页 |
| 4.4.2 仿真结果与分析 | 第76-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第5章 基于分形理论的辐射源特征提取算法 | 第81-101页 |
| 5.1 引言 | 第81-82页 |
| 5.2 传统一维分形维数特征提取算法 | 第82-86页 |
| 5.2.1 分形盒维数 | 第82-83页 |
| 5.2.2 Higuchi分形维数 | 第83-84页 |
| 5.2.3 Petrosian分形维数 | 第84-85页 |
| 5.2.4 Katz分形维数 | 第85页 |
| 5.2.5 Sevcik分形维数 | 第85-86页 |
| 5.3 改进分形盒维数特征提取算法 | 第86-90页 |
| 5.3.1 算法实现基本步骤 | 第86-87页 |
| 5.3.2 仿真结果与分析 | 第87-90页 |
| 5.4 多重分形维数的特征提取算法 | 第90-100页 |
| 5.4.1 多重分形维数基本定义 | 第91页 |
| 5.4.2 系统识别模型 | 第91-92页 |
| 5.4.3 算法实现基本步骤 | 第92-95页 |
| 5.4.4 仿真结果与分析 | 第95-100页 |
| 5.5 本章小结 | 第100-101页 |
| 结论 | 第101-104页 |
| 参考文献 | 第104-115页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第115-117页 |
| 致谢 | 第117页 |
