通信对抗中的干扰识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-16页 |
| 第一章 绪论 | 第16-22页 |
| ·研究背景及意义 | 第16-18页 |
| ·干扰识别技术研究现状 | 第18-20页 |
| ·论文研究内容及章节安排 | 第20-22页 |
| 第二章 干扰信号预处理 | 第22-32页 |
| ·归一化 | 第22-24页 |
| ·线性函数法 | 第22-23页 |
| ·对数函数法 | 第23页 |
| ·反余切函数法 | 第23页 |
| ·2范数法 | 第23-24页 |
| ·中心化 | 第24页 |
| ·基于数字滤波器的数据降噪 | 第24-30页 |
| ·IIR滤波器的设计 | 第25-27页 |
| ·FIR滤波器的设计 | 第27-30页 |
| ·基于滤波器的信号降噪设计与仿真 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 干扰信号特征 | 第32-49页 |
| ·干扰信号模型 | 第32-36页 |
| ·单音干扰模型 | 第32-33页 |
| ·多音干扰模型 | 第33-34页 |
| ·部分带噪声干扰模型 | 第34-35页 |
| ·扫频干扰模型 | 第35-36页 |
| ·干扰信号的特征参数提取 | 第36-47页 |
| ·载波因子系数 | 第37-38页 |
| ·平均频谱平坦系数 | 第38-39页 |
| ·白噪声因子 | 第39-41页 |
| ·频域矩峰度系数 | 第41-42页 |
| ·频域矩偏度系数 | 第42-43页 |
| ·频域R_f参数 | 第43-44页 |
| ·时域矩峰度系数 | 第44-45页 |
| ·时域矩偏度系数 | 第45-46页 |
| ·时域R参数 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 干扰信号分类识别算法设计与性能分析 | 第49-88页 |
| ·基于BP神经网络的分类识别设计与性能分析 | 第50-64页 |
| ·基于BP神经网络的计算模型 | 第50-55页 |
| ·基于BP神经网络的分类识别设计 | 第55-57页 |
| ·基于BP神经网络的干扰识别仿真与性能分析 | 第57-64页 |
| ·基于支持向量机的分类识别设计与性能分析 | 第64-78页 |
| ·基于支持向量机的计算模型 | 第65-70页 |
| ·支持向量机的分类识别设计 | 第70-71页 |
| ·基于支持向量机的干扰识别仿真与性能分析 | 第71-78页 |
| ·基于决策树理论的分类识别设计与性能分析 | 第78-85页 |
| ·基于决策树理论的计算模型 | 第78-79页 |
| ·决策树理论的分类识别设计 | 第79-81页 |
| ·基于决策树理论的干扰识别仿真与性能分析 | 第81-85页 |
| ·三种分类识别算法的性能比较 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 第五章 结论 | 第88-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 个人简历 | 第95-96页 |
| 攻读硕士学位期间的研究成果 | 第96页 |
