基于SVM的BPSK和QPSK的信号调制识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 英文缩略表 | 第8-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外发展现状 | 第12-16页 |
| ·论文主要研究内容及章节安排 | 第16-17页 |
| 第2章 BPSK和QPSK信号与调制识别方法 | 第17-33页 |
| ·BPSK和QPSK的调制 | 第17-21页 |
| ·BPSK信号的调制方式 | 第17-18页 |
| ·QPSK信号的调制方式 | 第18-21页 |
| ·BPSK和QPSK信号特征 | 第21-23页 |
| ·BPSK和QPSK信号的时频域特性 | 第21-22页 |
| ·BPSK和QPSK信号星座图 | 第22-23页 |
| ·调制识别方法 | 第23-32页 |
| ·问题模型 | 第23-24页 |
| ·调制识别方法 | 第24-32页 |
| ·基于决策论的调制识别方法 | 第24-25页 |
| ·基于特征提取的模式识别方法 | 第25-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 特征值提取 | 第33-41页 |
| ·高阶累积量的定义 | 第33-34页 |
| ·四阶和六阶累积量 | 第34-35页 |
| ·高阶矩和高阶累积量的性质及应用 | 第35-36页 |
| ·样本的高阶累积量估计 | 第36-37页 |
| ·构造不变量分类特征 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于SVM的调制识别技术 | 第41-63页 |
| ·支持向量机原理 | 第41-47页 |
| ·推广性的界 | 第41-42页 |
| ·结构风险最小化原则 | 第42-44页 |
| ·支持向量机基本思想 | 第44-45页 |
| ·核函数 | 第45-47页 |
| ·基于支持向量机的调制分类器 | 第47-48页 |
| ·基于单根天线和SVM的调制识别方法 | 第48-51页 |
| ·信号模型 | 第48-49页 |
| ·特征提取 | 第49页 |
| ·SVM分类器 | 第49-50页 |
| ·仿真结果及性能分析 | 第50-51页 |
| ·基于天线阵列和SVM的识别方法 | 第51-61页 |
| ·天线阵列信号模型 | 第51-53页 |
| ·特征提取 | 第53-54页 |
| ·SVM分类器 | 第54-55页 |
| ·仿真结果及性能分析 | 第55-61页 |
| ·本章小结 | 第61-63页 |
| 第5章 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
