| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 自动调制识别技术的研究现状 | 第11-15页 |
| 1.2.1 判决理论方法现状 | 第12-13页 |
| 1.2.2 模式识别方法现状 | 第13-15页 |
| 1.3 主要工作及论文结构安排 | 第15-17页 |
| 第二章 调制原理分析与信号预处理 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 模拟调制信号 | 第17-21页 |
| 2.2.1 幅度调制 | 第17-20页 |
| 2.2.2 角度调制 | 第20-21页 |
| 2.3 数字调制信号 | 第21-27页 |
| 2.3.1 多进制振幅键控(MASK) | 第21-23页 |
| 2.3.2 多进制移相键控(MPSK) | 第23-24页 |
| 2.3.3 进制移频键控(MFSK) | 第24-26页 |
| 2.3.4 多进制正交幅度键控(MQAM) | 第26-27页 |
| 2.4 信号的预处理 | 第27-32页 |
| 2.4.1 Hilbert变换 | 第27-28页 |
| 2.4.2 瞬时特征 | 第28-29页 |
| 2.4.3 载波频率估计 | 第29-30页 |
| 2.4.4 信噪比估计 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 信号特征参数提取 | 第33-47页 |
| 3.1 引言 | 第33页 |
| 3.2 时域特征参数 | 第33-40页 |
| 3.3 谱相关函数 | 第40-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 分类器的设计 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 人工神经网络 | 第47-48页 |
| 4.2.1 人工神经网络的概念 | 第47-48页 |
| 4.2.2 人工神经网络模式识别方法及特点 | 第48页 |
| 4.3 BP神经网络 | 第48-52页 |
| 4.3.1 BP学习算法描述 | 第48-51页 |
| 4.3.2 BP网络设计理论分析 | 第51-52页 |
| 4.4 Matlab仿真及结果分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于LabVIEW和USRP的平台设计 | 第55-68页 |
| 5.1 引言 | 第55页 |
| 5.2 虚拟仪器 | 第55-58页 |
| 5.2.1 虚拟仪器介绍 | 第55-56页 |
| 5.2.2 虚拟仪器的特点 | 第56-57页 |
| 5.2.3 LabVIEW介绍 | 第57页 |
| 5.2.4 USRP硬件 | 第57-58页 |
| 5.3 基于LabVIEW和USRP的射频信号自动识别系统 | 第58-67页 |
| 5.3.1 基带信号的产生 | 第58-61页 |
| 5.3.2 射频信号的产生 | 第61-62页 |
| 5.3.3 射频信号接收 | 第62-63页 |
| 5.3.4 特征参数提取 | 第63-65页 |
| 5.3.5 分类器识别 | 第65-66页 |
| 5.3.6 识别结果分析 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |