基于聚类理论的MQAM信号调制方式识别算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究意义 | 第10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.2.1 基于假设检验的最大似然方法 | 第12-13页 |
| 1.2.2 统计模式识别方法 | 第13-14页 |
| 1.2.3 分类器设计 | 第14-15页 |
| 1.3 论文的主要内容及结构安排 | 第15-18页 |
| 1.3.1 论文主要内容 | 第15-16页 |
| 1.3.2 本文结构 | 第16-18页 |
| 2 聚类算法及MQAM信号调制识别理论基础 | 第18-27页 |
| 2.1 聚类算法 | 第18-23页 |
| 2.1.1 C均值聚类算法 | 第18-21页 |
| 2.1.2 模糊C均值聚类算法 | 第21-22页 |
| 2.1.3 减法聚类 | 第22-23页 |
| 2.2 MQAM信号调制基本理论 | 第23-24页 |
| 2.3 MQAM信号的解调算法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于聚类理论重构MQAM信号星座图 | 第27-48页 |
| 3.1 自适应减法聚类确定初始中心 | 第27-37页 |
| 3.1.1 传统减法聚类局限性分析 | 第27-28页 |
| 3.1.2 基于信噪比的自适应减法聚类 | 第28-30页 |
| 3.1.3 自适应减法聚类参数估计 | 第30-36页 |
| 3.1.4 自适应减法聚类性能分析 | 第36-37页 |
| 3.2 基于半监督聚类的星座图重构 | 第37-43页 |
| 3.2.1 模糊C均值聚类重构星座图 | 第38-40页 |
| 3.2.2 半监督模糊均值聚类重构星座图 | 第40-43页 |
| 3.3 聚类算法误差分析 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 4 基于聚类有效性函数和星座图圆半径的分类识别 | 第48-58页 |
| 4.1 聚类有效性函数S | 第48-52页 |
| 4.2 基于聚类有效性函数的SVM分类器设计 | 第52-55页 |
| 4.3 基于星座图圆半径的分类识别 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 未来研究工作的展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-65页 |
| 个人简历、攻读硕士学位期间发表的论文及参加的项目 | 第65页 |
