| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 概述 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 通信电台个体识别分类器设计现状 | 第12-13页 |
| 1.2.2 通信电台个体特征提取的现状 | 第13-16页 |
| 1.3 本文主要工作和安排 | 第16-18页 |
| 第二章 短波电台信号特征构成因素 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 短波通信 | 第18-20页 |
| 2.2.1 概述 | 第18-19页 |
| 2.2.2 短波信道 | 第19-20页 |
| 2.3 短波电台信号特征产生的机理 | 第20-21页 |
| 2.4 短波通信电台的暂态特征 | 第21-23页 |
| 2.5 短波通信电台的稳态特征 | 第23-27页 |
| 2.5.1 信号载频偏差 | 第23页 |
| 2.5.2 调制参数的偏差 | 第23-24页 |
| 2.5.3 电台的杂散特征 | 第24-26页 |
| 2.5.4 信号的高阶统计特征 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 短波电台信号特征分析 | 第28-43页 |
| 3.1 引言 | 第28页 |
| 3.2 短波电台信号的杂散特征分析 | 第28-38页 |
| 3.2.1 信号的包络提取 | 第28-29页 |
| 3.2.2 信号包络的高阶J特征 | 第29-33页 |
| 3.2.3 分形理论提取信号特征 | 第33-38页 |
| 3.3 短波电台信号的高阶统计特征分析 | 第38-42页 |
| 3.3.1 信号包络的峰度 | 第38-39页 |
| 3.3.2 积分双谱 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于SVM的单个识别器设计 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 主成分分析(PCA) | 第43-45页 |
| 4.2.1 简介 | 第43-44页 |
| 4.2.2 基本原理 | 第44页 |
| 4.2.3 主成分分析的计算步骤 | 第44-45页 |
| 4.3 SVM分类器 | 第45-51页 |
| 4.3.1 模式识别 | 第45-47页 |
| 4.3.2 SVM分类器 | 第47-51页 |
| 4.4 基于PCA特征降维的SVM分类器算法 | 第51-53页 |
| 4.4.1 算法介绍 | 第51-52页 |
| 4.4.2 实验结果和分析 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 短波电台个体特征识别系统设计与实现 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 基于K_n近邻估计和SVM分类器的组合识别算法 | 第55-59页 |
| 5.2.1 K_n近邻估计法 | 第55-56页 |
| 5.2.2 算法设计 | 第56-59页 |
| 5.3 短波通信电台个体识别系统设计与实现 | 第59-64页 |
| 5.3.1 系统的训练模块 | 第60-61页 |
| 5.3.2 系统的识别模块 | 第61-62页 |
| 5.3.3 识别结果 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-68页 |
| 参考文献 | 第68-71页 |
| 英文缩写检索表 | 第71-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |