| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题的研究背景 | 第10-11页 |
| ·自动调制识别技术的发展过程及现状 | 第11-12页 |
| ·主要工作内容 | 第12-14页 |
| 第二章 软件无线电的关键技术 | 第14-18页 |
| ·软件无线电的基本结构 | 第14-17页 |
| ·软件无线电的关键技术 | 第17-18页 |
| 第三章 通信中的数字信号调制技术 | 第18-26页 |
| ·引言 | 第18-19页 |
| ·通信中的数字调制技术 | 第19-26页 |
| ·幅度键控(ASK) | 第19-21页 |
| ·频移键控(FSK) | 第21-23页 |
| ·移相键控(FSK) | 第23-26页 |
| 第四章 调制制式特征值提取 | 第26-54页 |
| ·自动调制识别方法 | 第26-27页 |
| ·数字信号特征值提取基础 | 第27-28页 |
| ·数字信号特征分析 | 第28-34页 |
| ·幅度键控(ASK)特征分析 | 第29-30页 |
| ·频移键控(FSK)特征分析 | 第30-32页 |
| ·移相键控(PSK)特征分析 | 第32-34页 |
| ·信道与噪声对信号特征的影响 | 第34-38页 |
| ·数字调制信号特征值提取 | 第38-40页 |
| ·数字调制信号识别流程 | 第40-41页 |
| ·噪声对不同数字调制信号间区分度的影响 | 第41-49页 |
| ·噪声对数字调制信号的特征门限值的影响 | 第49-51页 |
| ·不同信噪比下信号识别的统计结果 | 第51-54页 |
| 第五章 人工神经网络在调制制式识别中的应用 | 第54-87页 |
| ·引言 | 第54页 |
| ·人工神经网络概述 | 第54-57页 |
| ·BP网络 | 第57-65页 |
| ·BP网络简介 | 第57-58页 |
| ·BP网络算法的比较 | 第58-65页 |
| ·应用多层结构BP神经网络的数字调制信号自动识别的设计 | 第65-70页 |
| ·调制信号预处理 | 第65-67页 |
| ·基于双层结构的BP神经网络架构 | 第67-70页 |
| ·采用三种不同算法BP网络的训练 | 第70-83页 |
| ·动量梯度下降算法BP网络的训练 | 第72-75页 |
| ·自适应学习率算法BP网络的训练 | 第75-79页 |
| ·L-M算法BP网络的训练 | 第79-82页 |
| ·三种BP算法收敛性比较 | 第82-83页 |
| ·双层结构BP网络的目标试验 | 第83页 |
| ·仿真结果分析 | 第83-87页 |
| 第六章 总结 | 第87-89页 |
| ·本文工作总结 | 第87-88页 |
| ·进一步工作建议 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-92页 |
| 攻读硕士学位期间的研究成果 | 第92页 |