| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-27页 |
| ·研究背景 | 第13-15页 |
| ·研究现状和评述 | 第15-23页 |
| ·决策论方法 | 第16-18页 |
| ·统计模式识别方法 | 第18-23页 |
| ·调制识别的新问题及本文的主要工作 | 第23-24页 |
| ·论文结构和内容安排 | 第24-27页 |
| 第二章 信号与信道模型及RBF神经网络分类器 | 第27-36页 |
| ·调制信号模型 | 第27-31页 |
| ·通信信道模型 | 第31-34页 |
| ·RBF分类器 | 第34-36页 |
| 第三章 AWGN信道下综合调制识别体制 | 第36-52页 |
| ·引言 | 第36-39页 |
| ·综合识别算法 | 第39-51页 |
| ·算法原理 | 第39-48页 |
| ·算法流程 | 第48-50页 |
| ·仿真结果 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 衰落环境中的信号调制识别 | 第52-70页 |
| ·引言 | 第52-53页 |
| ·基于假设检验理论的调制识别 | 第53-59页 |
| ·似然函数检验方法识别原理 | 第53-55页 |
| ·衰落环境下的似然函数调制识别方法 | 第55-58页 |
| ·似然函数识别性能仿真 | 第58-59页 |
| ·多天线分集接收技术在调制识别中的应用 | 第59-69页 |
| ·分集技术原理简介 | 第59-61页 |
| ·基于多天线分集的调制识别原理 | 第61-64页 |
| ·多天线分集接收调制分类性能仿真 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 非高斯噪声下的调制识别 | 第70-86页 |
| ·引言 | 第70-71页 |
| ·α概率分布理论 | 第71-75页 |
| ·α概率分布的定义 | 第71-73页 |
| ·α稳定分布的概率密度函数 | 第73页 |
| ·α稳定分布的性质 | 第73-74页 |
| ·分数低阶统计量 | 第74-75页 |
| ·基于分数低阶矩的信号调制识别方法 | 第75-80页 |
| ·高斯噪声下信号瞬时频率和带宽参数的提取 | 第75-77页 |
| ·SαS噪声下信号特征参数的提取 | 第77-79页 |
| ·SαS噪声下调制识别的实现 | 第79-80页 |
| ·仿真及分析 | 第80-85页 |
| ·本章小结 | 第85-86页 |
| 第六章 基于多重分形谱特征的调制识别 | 第86-100页 |
| ·引言 | 第86-87页 |
| ·分形维数及多重分形谱 | 第87-91页 |
| ·信号多重分形谱特征提取及噪声性能分析 | 第91-95页 |
| ·基于相空间重构和关联积分理论的多重分形谱特征提取 | 第91-92页 |
| ·多重分形谱特征噪声性能分析 | 第92-95页 |
| ·基于多重分形谱特征的调制识别实现 | 第95-99页 |
| ·通信信号的多重分形谱特征值 | 第95-97页 |
| ·RBF网络分类器设计及调制识别结果 | 第97-99页 |
| ·本章小结 | 第99-100页 |
| 第七章 混沌预测新方法及其在调制识别中的应用 | 第100-118页 |
| ·引言 | 第100-101页 |
| ·基于分形理论的混沌序列预测 | 第101-110页 |
| ·混沌及其可预测条件 | 第101-102页 |
| ·分形及其与混沌的关系 | 第102-103页 |
| ·基于分形自仿射的混沌时间序列预测 | 第103-110页 |
| ·跳频序列的预测实例 | 第110-117页 |
| ·本章小结 | 第117-118页 |
| 第八章 全文总结 | 第118-121页 |
| 致谢 | 第121-122页 |
| 参考文献 | 第122-137页 |
| 作者在攻读博士学位期间发表和录用的论文 | 第137页 |