基于离散小波变换的数字调制方式识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究的背景与意义 | 第10页 |
| ·调制识别技术的发展及现状 | 第10-15页 |
| ·调制识别技术的发展 | 第10-12页 |
| ·调制识别技术的现状与难点 | 第12-15页 |
| ·论文的研究内容和结构安排 | 第15-16页 |
| 第2章 通信信号的数字调制技术 | 第16-22页 |
| ·引言 | 第16页 |
| ·数字调制技术 | 第16-20页 |
| ·振幅键控 ASK | 第17页 |
| ·移频键控 FSK | 第17-18页 |
| ·相移键控 PSK | 第18-19页 |
| ·正交振幅键控 QAM | 第19-20页 |
| ·数字调制方式识别的特征提取 | 第20-21页 |
| ·经典方法 | 第20页 |
| ·基于循环平稳的特征提取 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于离散小波变换的特征选取 | 第22-41页 |
| ·引言 | 第22页 |
| ·小波理论 | 第22-26页 |
| ·小波变换 | 第22-23页 |
| ·多分辨率分析 | 第23-25页 |
| ·小波变换的快速算法 | 第25-26页 |
| ·基于小波分解的特征提取 | 第26-28页 |
| ·小波去噪原理 | 第26-27页 |
| ·自适应小波熵 | 第27-28页 |
| ·特征选取及优化 | 第28-38页 |
| ·特征的识别效果 | 第28-30页 |
| ·MPSK 信号识别的特征参数优化 | 第30-31页 |
| ·MASK 信号识别的特征参数优化 | 第31-37页 |
| ·优化后特征的选取 | 第37-38页 |
| ·噪声对特征影响的仿真实验 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于神经网络的多级分类器设计 | 第41-58页 |
| ·引言 | 第41页 |
| ·神经网络模型 | 第41-45页 |
| ·人工神经元 | 第41-43页 |
| ·常用的人工神经元模型 | 第43-45页 |
| ·多层网络结构 | 第45-46页 |
| ·多层前向神经网络 | 第45页 |
| ·多层侧抑制神经网络 | 第45-46页 |
| ·带有反馈的神经网络 | 第46页 |
| ·BP 神经网络的训练算法 | 第46-48页 |
| ·神经网络参数设定 | 第48-53页 |
| ·神经网络输出形式 | 第48-49页 |
| ·神经网络目标均方误差的设定 | 第49-52页 |
| ·神经网络隐层神经元数的设定 | 第52-53页 |
| ·基于神经网络的多级分类器构建 | 第53-55页 |
| ·多级分类器构建的基本思路 | 第53-54页 |
| ·多级分类器构建和改进 | 第54-55页 |
| ·小波神经网络的仿真实验 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
