基于支持向量机的数字调制信号识别
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·课题研究背景及意义 | 第7-8页 |
| ·调制识别技术发展概况 | 第8-9页 |
| ·支持向量机概述 | 第9-10页 |
| ·本文的主要内容 | 第10-11页 |
| 2 数字调制信号的模式及特征提取 | 第11-23页 |
| ·数字调制信号的基本模式 | 第11-16页 |
| ·已调信号的基本特征参数 | 第11页 |
| ·振幅键控调制 | 第11-13页 |
| ·相移键控调制 | 第13-14页 |
| ·频移键控调制 | 第14-16页 |
| ·信号的特征提取 | 第16-21页 |
| ·零中心瞬时特征提取 | 第16-17页 |
| ·基于小波分析的特征提取 | 第17-21页 |
| ·本章小结 | 第21-23页 |
| 3 支持向量机分类器设计 | 第23-33页 |
| ·统计学习理论核心内容 | 第23-25页 |
| ·支持向量机概述 | 第25-29页 |
| ·支持向量机原理 | 第25-28页 |
| ·最小二乘支持向量机 | 第28-29页 |
| ·支持向量机方法的研究 | 第29-31页 |
| ·支持向量机多分类方法 | 第29-30页 |
| ·支持向量机中参数的选择 | 第30-31页 |
| ·基于支持向量机的调制识别步骤 | 第31页 |
| ·本章小结 | 第31-33页 |
| 4 数字调制信号识别的仿真实验 | 第33-51页 |
| ·最小二乘支持向量机分类器仿真实验 | 第33-37页 |
| ·不同分类方法下的仿真 | 第33页 |
| ·不同信噪比下的仿真 | 第33-34页 |
| ·不同核函数下的仿真 | 第34-35页 |
| ·不同特征提取方法下的仿真及对比 | 第35-37页 |
| ·与神经网络分类器的对比实验 | 第37-44页 |
| ·ROC曲线的建立 | 第38-40页 |
| ·ROC曲线的性能评估指标 | 第40-41页 |
| ·应用ROC曲线比较LS-SVM与NN性能 | 第41-44页 |
| ·与平行判决分类器的对比实验 | 第44-48页 |
| ·平行判决分类器 | 第44-46页 |
| ·应用ROC曲线比较LS-SVM与PD性能 | 第46-48页 |
| ·本章小结 | 第48-51页 |
| 5 总结 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-57页 |
