| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 最大似然假设检验方法 | 第16-17页 |
| 1.2.2 统计模式识别方法 | 第17-20页 |
| 1.3 本文的研究内容及章节安排 | 第20-21页 |
| 第二章 调制信号识别基本理论 | 第21-31页 |
| 2.1 MQAM信号基本理论 | 第21-22页 |
| 2.1.1 MQAM信号基本概念 | 第21页 |
| 2.1.2 MQAM信号调制解调原理 | 第21-22页 |
| 2.2 MQAM信号特征分析 | 第22-23页 |
| 2.3 浅层学习分类器 | 第23-24页 |
| 2.4 深度学习 | 第24-29页 |
| 2.4.1 深度神经网络 | 第25-27页 |
| 2.4.2 深度信念网络 | 第27页 |
| 2.4.3 卷积神经网络 | 第27-29页 |
| 2.4.4 深度学习Caffe框架概述 | 第29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于深度度量学习的MQAM信号识别 | 第31-51页 |
| 3.1 引言 | 第31-32页 |
| 3.2 接收信号模型 | 第32页 |
| 3.3 图形星座投影算法 | 第32-34页 |
| 3.4 softmax loss损失函数 | 第34页 |
| 3.5 基于深度度量学习的调制识别 | 第34-38页 |
| 3.5.1 系统模型 | 第35-36页 |
| 3.5.2 目标函数 | 第36-37页 |
| 3.5.3 目标函数求解 | 第37-38页 |
| 3.6 实验仿真及结果分析 | 第38-49页 |
| 3.7 本章小结 | 第49-51页 |
| 第四章 基于深度度量学习和特征选择的MQAM信号识别 | 第51-65页 |
| 4.1 引言 | 第51页 |
| 4.2 基于深度度量学习和特征选择的CNN | 第51-55页 |
| 4.2.1 系统模型 | 第51-55页 |
| 4.2.2 目标函数 | 第55页 |
| 4.3 实验仿真及结果分析 | 第55-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73页 |