非协作通信信号调制识别研究与实现
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 极大似然算法研究发展现状 | 第9-10页 |
| 1.2.2 基于特征提取算法研究发展现状 | 第10-12页 |
| 1.2.3 总结 | 第12页 |
| 1.3 课题内容和组织结构 | 第12-14页 |
| 2 数字通信信号调制识别的理论基础 | 第14-23页 |
| 2.1 调制识别概念和数字信号调制原理 | 第14-17页 |
| 2.1.1 调制识别基本概念 | 第14页 |
| 2.1.2 数字调制方式分析 | 第14-17页 |
| 2.2 高阶累积量的理论基础 | 第17-19页 |
| 2.2.1 高阶矩和高阶累积量的定义 | 第17-18页 |
| 2.2.2 高阶矩和高阶累积量的转换关系 | 第18-19页 |
| 2.2.3 高阶累积量的应用 | 第19页 |
| 2.3 小波变换的基础理论 | 第19-22页 |
| 2.3.1 连续小波变换及其离散形式 | 第19-20页 |
| 2.3.2 小波变换性质和类型 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于瞬时信息的调制识别算法 | 第23-31页 |
| 3.1 数字信号瞬时信息的提取 | 第23-26页 |
| 3.1.1 解析信号与希尔伯特变换 | 第23页 |
| 3.1.2 通过希尔伯特变换提取瞬时信息 | 第23-26页 |
| 3.2 特征参数的提取与仿真 | 第26-28页 |
| 3.2.1 四种特征参数的提取 | 第26-27页 |
| 3.2.2 特征参数的仿真结果 | 第27-28页 |
| 3.3 分类器设计 | 第28-29页 |
| 3.3.1 决策树分类器一般结构 | 第28页 |
| 3.3.2 决策树分类器设计 | 第28-29页 |
| 3.3.3 各特征参数门限值的选取 | 第29页 |
| 3.4 仿真结果与分析 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于高阶累积量和小波变换的调制识别算法 | 第31-46页 |
| 4.1 基于高阶累积量的特征参数 | 第31-33页 |
| 4.1.1 各调制信号的高阶累积量 | 第31-32页 |
| 4.1.2 基于高阶累积量的特征参数的选取 | 第32-33页 |
| 4.2 基于小波变换的特征参数 | 第33-40页 |
| 4.2.1 数字调制信号的小波变换 | 第34-35页 |
| 4.2.2 小波变换的最优尺度 | 第35-36页 |
| 4.2.3 基于小波变换的特征参数 | 第36-40页 |
| 4.3 基于神经网络的分类器设计 | 第40-43页 |
| 4.3.1 神经网络结构 | 第40-42页 |
| 4.3.2 隐含层神经元个数的确定 | 第42-43页 |
| 4.4 识别结果及分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 调制识别算法的FPGA实现 | 第46-59页 |
| 5.1 实现平台介绍 | 第46-47页 |
| 5.1.1 硬件平台介绍 | 第46-47页 |
| 5.1.2 软件仿真平台 | 第47页 |
| 5.2 调制识别各模块的FPGA实现 | 第47-56页 |
| 5.2.1 希尔伯特变换模块实现 | 第47-49页 |
| 5.2.2 信号幅度和相位提取模块实现 | 第49-52页 |
| 5.2.3 瞬时频率提取和瞬时相位优化模块实现 | 第52-53页 |
| 5.2.4 提取特征参数模块实现 | 第53-55页 |
| 5.2.5 决策树分类模块实现 | 第55-56页 |
| 5.3 调制识别顶层FPGA实现 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 论文总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
| A. 作者在攻读学位期间发表的论文目录 | 第66页 |
| B. 作者在攻读学位期间参加的科研项目目录 | 第66页 |
