数字通信信号的自动识别
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-15页 |
| ·研究背景及其意义 | 第9-10页 |
| ·国内外的研究现状 | 第10-13页 |
| ·统计模式识别调制分类方法 | 第11-12页 |
| ·最大似然假设调制分类方法 | 第12-13页 |
| ·本文主要内容简介 | 第13-15页 |
| 第2章 小波变换理论基础 | 第15-22页 |
| ·傅立叶变换理论 | 第15-17页 |
| ·短时傅立叶变换 | 第17-18页 |
| ·小波变换理论 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 小波变换用于调制识别 | 第22-46页 |
| ·数字调制信号 | 第22-28页 |
| ·幅度键控ASK | 第22-24页 |
| ·频移键控FSK | 第24-26页 |
| ·相位键控PSK | 第26-27页 |
| ·正交幅相键控QAM | 第27-28页 |
| ·数字调制信号的小波变换 | 第28-44页 |
| ·ASK信号的小波变换 | 第30-32页 |
| ·FSK信号的小波变换 | 第32-34页 |
| ·PSK信号的小波变换 | 第34-37页 |
| ·QAM信号的小波变换 | 第37-39页 |
| ·对信号的归一化处理 | 第39-44页 |
| ·基于小波变换的特征参数提取 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于神经网络的调制方式识别系统的设计 | 第46-59页 |
| ·神经网络模式识别概述 | 第46-47页 |
| ·多层感知器神经网络的基本原理 | 第47-48页 |
| ·反向传播算法学习规则 | 第48-49页 |
| ·BP算法的传递函数 | 第48页 |
| ·BP算法调制识别的原理 | 第48-49页 |
| ·BP网络的设计分析 | 第49-51页 |
| ·隐含层数的分析 | 第49-50页 |
| ·隐含层内节点数的确定 | 第50-51页 |
| ·初始权值的选定 | 第51页 |
| ·学习速率的选取 | 第51页 |
| ·BP算法的若干改进 | 第51-53页 |
| ·加入动量项 | 第52页 |
| ·自适应学习率调整法 | 第52页 |
| ·Levenberg-Marquardt算法 | 第52-53页 |
| ·仿真实验研究 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 总结和展望 | 第59-61页 |
| ·本文的工作总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 硕士期间参加的科研项目和发表的论文 | 第66页 |
