| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·项目背景 | 第7-8页 |
| ·数字调制方式识别的必要性 | 第8-9页 |
| ·调制识别技术发展概况 | 第9-10页 |
| ·论文研究内容及章节安排 | 第10-13页 |
| 第二章 数字调制识别的方法 | 第13-25页 |
| ·数字调制类型 | 第13-18页 |
| ·二进制振幅键控(2ASK) | 第13-14页 |
| ·移相键控(PSK) | 第14-16页 |
| ·移频键控(FSK) | 第16-17页 |
| ·正交振幅调制(QAM) | 第17-18页 |
| ·数字调制识别技术的方法 | 第18-24页 |
| ·基于小波变换 | 第19-20页 |
| ·基于谱分析和谱相关 | 第20-21页 |
| ·基于高阶累积量 | 第21-22页 |
| ·基于神经网络分类器 | 第22-23页 |
| ·基于 SVM 分类器 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于高阶累积量和 SVM 的自动调制识别技术 | 第25-43页 |
| ·高阶统计量基本理论 | 第25-31页 |
| ·高阶矩和高阶累积量的定义 | 第25-28页 |
| ·高阶矩和高阶累积量的性质 | 第28-30页 |
| ·高阶矩和高阶累积量的基本应用 | 第30-31页 |
| ·支持向量机基本理论 | 第31-36页 |
| ·线性情况 | 第31-34页 |
| ·非线性情况 | 第34-36页 |
| ·基于高阶累积量和 SVM 的算法设计 | 第36-42页 |
| ·预处理模块 | 第37页 |
| ·特征参数提取模块 | 第37-40页 |
| ·分类器模块 | 第40-42页 |
| ·算法仿真分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 传感器网络中数字调制识别工程实现 | 第43-59页 |
| ·算法的硬件实现 | 第43-45页 |
| ·感知节点 | 第43-44页 |
| ·网关节点 | 第44-45页 |
| ·任务管理中心 | 第45页 |
| ·算法用到的关键技术 | 第45-51页 |
| ·自动增益控制 | 第45-47页 |
| ·级联低通滤波器 | 第47-48页 |
| ·能量归一化 | 第48-49页 |
| ·中心频率估计技术 | 第49-51页 |
| ·识别流程 | 第51-52页 |
| ·离线训练阶段 | 第51-52页 |
| ·在线识别阶段 | 第52页 |
| ·单点识别 | 第52-54页 |
| ·分布式协同识别 | 第54-56页 |
| ·分布式协同识别的必要性 | 第54页 |
| ·分布式协同识别的数据融合技术 | 第54-55页 |
| ·分布式协同识别的实现 | 第55-56页 |
| ·本章小结 | 第56-59页 |
| 第五章 传感器网络信号识别测试及性能分析 | 第59-67页 |
| ·单点测试结果及性能分析 | 第59-64页 |
| ·有线测试 | 第59-63页 |
| ·无线测试 | 第63-64页 |
| ·分布式协同识别测试结果及分析 | 第64-66页 |
| ·相同 C/N 时的协同识别测试 | 第64-66页 |
| ·不同 C/N 时的协同识别测试 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第六章 结论 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者在读期间的研究成果 | 第75-76页 |