| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-18页 |
| 1.2.1 单节点调制识别算法 | 第13-16页 |
| 1.2.2 分布式多节点调制识别算法 | 第16-18页 |
| 1.3 论文主要工作及章节安排 | 第18-20页 |
| 第二章 基于支持向量机的多特征联合调制识别算法 | 第20-34页 |
| 2.1 问题分析 | 第20页 |
| 2.2 信号模型 | 第20-21页 |
| 2.3 基于支持向量机的调制识别算法 | 第21-28页 |
| 2.3.1 高阶累积量推导 | 第21-22页 |
| 2.3.2 特征参数提取 | 第22-24页 |
| 2.3.3 支持向量机分类器 | 第24-25页 |
| 2.3.4 性能分析 | 第25-28页 |
| 2.4 基于联合特征调制识别算法 | 第28-33页 |
| 2.4.1 循环谱理论推导 | 第28页 |
| 2.4.2 特征参数的提取 | 第28-32页 |
| 2.4.3 识别算法设计与性能分析 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于D_S证据理论的分布式调制识别算法 | 第34-42页 |
| 3.1 问题分析 | 第34-35页 |
| 3.2 D_S证据理论 | 第35-37页 |
| 3.2.1 基本原理 | 第35-36页 |
| 3.2.2 基本概率赋值分布的指派问题 | 第36-37页 |
| 3.3 分布式多节点协同调制识别算法设计 | 第37-40页 |
| 3.3.1 识别算法设计 | 第37-39页 |
| 3.3.2 算法性能仿真 | 第39-40页 |
| 3.4 频谱监测系统中的分布式识别算法性能仿真 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 分布式电磁频谱监测模拟训练系统关键技术实现 | 第42-56页 |
| 4.1 HLA技术原理和交互类实现 | 第42-44页 |
| 4.2 系统总体功能设计 | 第44-45页 |
| 4.2.1 项目系统功能要求 | 第44页 |
| 4.2.2 系统模块划分以及软硬件 | 第44-45页 |
| 4.3 成员模块编程实现 | 第45-50页 |
| 4.3.1 成员模块FED文件的创建 | 第45-46页 |
| 4.3.2 节点交互类参数的数据库创建 | 第46页 |
| 4.3.3 监测成员模块实现 | 第46-48页 |
| 4.3.4 识别算法的嵌入 | 第48-50页 |
| 4.4 模拟训练系功能与识别算法测试 | 第50-55页 |
| 4.4.1 训练系统功能测试 | 第50-53页 |
| 4.4.2 识别算法性能测试 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 结束语 | 第56-58页 |
| 5.1 本文总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简历 | 第63页 |