数字通信信号自动调制识别算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·国内外发展现状 | 第9-11页 |
| ·基于决策理论的最大似然假设检验方法 | 第9页 |
| ·基于特征提取的统计模式识别方法 | 第9-11页 |
| ·总结 | 第11页 |
| ·课题内容和组织结构 | 第11-14页 |
| 2 数字信号调制识别基础 | 第14-22页 |
| ·数字调制方式分析 | 第14-17页 |
| ·幅度键控调制信号 | 第14页 |
| ·频移键控调制信号 | 第14-15页 |
| ·相移键控调制信号 | 第15-16页 |
| ·正交幅度调制信号 | 第16-17页 |
| ·高阶累积量的理论基础 | 第17-20页 |
| ·高阶累积量的定义 | 第17-19页 |
| ·高阶累积量值的估计 | 第19-20页 |
| ·高阶累积量的性质和应用 | 第20页 |
| ·本章小结 | 第20-22页 |
| 3 调制识别中的特征参数提取 | 第22-40页 |
| ·基于高阶累积量的特征提取 | 第22-28页 |
| ·数字调制信号的高阶累积量值 | 第22-25页 |
| ·基于高阶累积量提取特征参数 | 第25-28页 |
| ·基于瞬时信息的特征提取 | 第28-35页 |
| ·Hilbert 变换提取瞬时信息 | 第28-29页 |
| ·小波滤波器优化瞬时信息 | 第29-32页 |
| ·基于瞬时信息提取特征参数 | 第32-35页 |
| ·联合特征参数的性能分析 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 4 调制识别中的分类器设计 | 第40-58页 |
| ·决策树分类器设计 | 第40-43页 |
| ·决策树的一般结构 | 第40-41页 |
| ·基于联合特征参数的决策树分类器设计 | 第41-42页 |
| ·识别结果与分析 | 第42-43页 |
| ·神经网络分类器设计 | 第43-49页 |
| ·BP 神经网络结构分析 | 第44页 |
| ·BP 网络算法研究 | 第44-49页 |
| ·基于 BP 网络的识别结果与分析 | 第49-56页 |
| ·不同算法对 BP 网络的训练 | 第51-53页 |
| ·不同数量样本集的识别结果与分析 | 第53页 |
| ·不同信噪比下的识别结果与分析 | 第53-54页 |
| ·不同样本长度的识别结果与分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 5 基于支持向量机的数字调制识别方法 | 第58-72页 |
| ·SVM 的基本理论 | 第58-61页 |
| ·机器学习问题 | 第58-59页 |
| ·VC 维 | 第59页 |
| ·结构风险最小化原则 | 第59-61页 |
| ·SVM 原理 | 第61-64页 |
| ·最优分类超平面 | 第61-62页 |
| ·SVM | 第62-64页 |
| ·SVM 的多类别分类方法 | 第64页 |
| ·基于 SVM 的识别结果与分析 | 第64-70页 |
| ·参数设置 | 第65-66页 |
| ·不同数量样本集的识别结果与分析 | 第66-67页 |
| ·不同信噪比下的识别结果与分析 | 第67-68页 |
| ·不同样本长度的识别结果与分析 | 第68-70页 |
| ·本章小结 | 第70-72页 |
| 6 总结与展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80页 |
| A. 作者在攻读学位期间发表的论文目录 | 第80页 |
