| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景以及研究意义 | 第14-15页 |
| 1.2 国内外研究现状分析 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-18页 |
| 第二章 调制识别理论基础 | 第18-26页 |
| 2.1 通信信号的调制原理 | 第18-21页 |
| 2.2 调制识别的基本原理和方法 | 第21-22页 |
| 2.3 深度学习与调制识别 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 调制信号特征的提取与分析 | 第26-46页 |
| 3.1 调制信号的瞬时统计量 | 第26-34页 |
| 3.2 调制信号的高阶统计量 | 第34-39页 |
| 3.3 调制信号的时频特征 | 第39-42页 |
| 3.4 调制信号的异步延时采样特征 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于深度学习的调制识别算法 | 第46-72页 |
| 4.1 多层前馈神经网络 | 第46-49页 |
| 4.1.1 感知器模型 | 第46-47页 |
| 4.1.2 多层前馈神经网络 | 第47-48页 |
| 4.1.3 反向播算法 | 第48-49页 |
| 4.2 基于多层前馈神经网络的调制识别方法 | 第49-56页 |
| 4.2.1 数据预处理 | 第49-50页 |
| 4.2.2 网络结构设计 | 第50-52页 |
| 4.2.3 仿真实验及结果分析 | 第52-56页 |
| 4.3 卷积神经网络介绍 | 第56-60页 |
| 4.3.1 卷积运算 | 第57-58页 |
| 4.3.2 卷积神经网络的结构 | 第58-59页 |
| 4.3.3 卷积神经网络的分析 | 第59-60页 |
| 4.4 基于时频图特征的卷积神经网络调制识别方法 | 第60-66页 |
| 4.4.1 网络结构设计 | 第61-62页 |
| 4.4.2 仿真实验及结果分析 | 第62-66页 |
| 4.5 基于异步延时采样特征的卷积神经网络调制识别方法 | 第66-70页 |
| 4.5.1 网络结构设计 | 第66-67页 |
| 4.5.2 仿真实验及结果分析 | 第67-70页 |
| 4.6 本章小结 | 第70-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 本文工作总结 | 第72页 |
| 5.2 研究展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |