基于二次星座聚类和模糊补偿支持向量机的调制识别研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9页 |
| 1.2 调制识别技术的研究现状 | 第9-12页 |
| 1.2.1 信号特征提取算法的研究现状 | 第10-11页 |
| 1.2.2 信号分类识别算法的研究现状 | 第11-12页 |
| 1.3 本文的主要工作和章节结构 | 第12-14页 |
| 第二章 数字信号调制识别分析 | 第14-26页 |
| 2.1 数字信号调制的优势 | 第14-15页 |
| 2.2 数字信号的调制方法 | 第15-20页 |
| 2.2.1 幅度键控（MASK）调制 | 第15-16页 |
| 2.2.2 频移键控（MFSK）调制 | 第16-17页 |
| 2.2.3 相位键控（MPSK）调制 | 第17-19页 |
| 2.2.4 正交振幅（MQAM）调制 | 第19-20页 |
| 2.3 数字信号调制的基础理论 | 第20-25页 |
| 2.3.1 模式识别算法步骤 | 第20-21页 |
| 2.3.2 数字信号的正交变换 | 第21-23页 |
| 2.3.3 数字调制信号的星座图 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于二次星座聚类算法的特征提取 | 第26-37页 |
| 3.1 聚类算法基础 | 第26-28页 |
| 3.1.1 聚类算法简介 | 第26-27页 |
| 3.1.2 聚类算法相似性度量 | 第27-28页 |
| 3.2 二次星座聚类算法 | 第28-34页 |
| 3.2.1 传统聚类算法的不足 | 第28-30页 |
| 3.2.2 星座图信号的预处理 | 第30-32页 |
| 3.2.3 二次星座聚类算法实现 | 第32-34页 |
| 3.3 特征提取 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于粒子群算法改进的二次星座聚类研究 | 第37-45页 |
| 4.1 粒子群算法基础 | 第37-42页 |
| 4.1.1 粒子群算法的原理 | 第37-40页 |
| 4.1.2 粒子群算法的参数分析 | 第40-41页 |
| 4.1.3 粒子群算法的收敛性 | 第41-42页 |
| 4.2 粒子群算法改进二次星座聚类算法 | 第42-43页 |
| 4.2.1 二次星座聚类算法的缺陷 | 第42页 |
| 4.2.2 粒子群优化二次星座聚类算法的步骤 | 第42-43页 |
| 4.3 仿真结果及分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于模糊补偿的多分类支持向量机的研究 | 第45-60页 |
| 5.1 支持向量机基础 | 第45-49页 |
| 5.1.1 统计学习理论基础 | 第45-47页 |
| 5.1.2 最优分类超平面 | 第47-49页 |
| 5.2 传统的支持向量机多分类方法 | 第49-51页 |
| 5.2.1 一对余SVM | 第49-50页 |
| 5.2.2 一对一SVM | 第50-51页 |
| 5.3 模糊补偿和二叉树多分类的支持向量机算法 | 第51-56页 |
| 5.3.1 模糊性和模糊补偿 | 第51-54页 |
| 5.3.2 二叉树多分类方法 | 第54-55页 |
| 5.3.3 算法实现的步骤 | 第55-56页 |
| 5.4 仿真结果及对比分析 | 第56-58页 |
| 5.5 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 致谢 | 第66页 |
