| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 通信信号调制识别研究概况 | 第9-10页 |
| 1.2.2 特征提取与选择研究现状 | 第10-11页 |
| 1.2.3 分类器设计研究现状 | 第11页 |
| 1.2.4 通信信号自动调制识别研究前沿发展方向 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 数字通信信号调制识别的理论基础 | 第14-21页 |
| 2.1 常用的数字调制方式分析 | 第14-17页 |
| 2.1.1 幅度键控(ASK) | 第15页 |
| 2.1.2 频移键控(FSK) | 第15-16页 |
| 2.1.3 相移键控(PSK) | 第16-17页 |
| 2.1.4 正交幅度调制(QAM) | 第17页 |
| 2.2 调制识别的分类方法研究 | 第17-20页 |
| 2.2.1 判决理论识别方法 | 第18页 |
| 2.2.2 统计模式识别方法 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 多体制通信信号噪声鲁棒性特征集筛选 | 第21-44页 |
| 3.1 多体制通信信号调制识别的特征提取 | 第22-42页 |
| 3.1.1 基于瞬时信息的特征提取 | 第22-27页 |
| 3.1.2 基于高阶累积量的特征提取 | 第27-31页 |
| 3.1.3 基于小波分解的细节特征提取 | 第31-34页 |
| 3.1.4 基于分形理论的特征提取 | 第34-37页 |
| 3.1.5 基于谱相关的特征提取 | 第37-42页 |
| 3.2 噪声鲁棒性调制特征集筛选 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于噪声鲁棒性特征集的多体制通信信号自动调制识别 | 第44-62页 |
| 4.1 基于粗糙集的噪声鲁棒性特征集的二次约简 | 第45-49页 |
| 4.1.1 粗糙集 | 第45-46页 |
| 4.1.2 属性重要性 | 第46-47页 |
| 4.1.3 属性约简 | 第47页 |
| 4.1.4 噪声鲁棒性特征集约简与仿真 | 第47-49页 |
| 4.2 SVM 介绍 | 第49-57页 |
| 4.2.1 机器学习问题 | 第49-50页 |
| 4.2.2 统计学习理论 | 第50-51页 |
| 4.2.3 SVM 算法描述 | 第51-54页 |
| 4.2.4 多类分类问题 | 第54-57页 |
| 4.4 基于 SVM 的调制识别分析 | 第57-61页 |
| 4.4.1 识别流程 | 第57-58页 |
| 4.4.2 实验仿真与分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69页 |