基于神经网络的调制信号识别
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究概况及动态 | 第11-12页 |
| 1.3 本文主要内容 | 第12-13页 |
| 第二章 数字信号调制识别基础 | 第13-24页 |
| 2.1 引言 | 第13页 |
| 2.2 数字调制技术 | 第13-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 数字调制信号的特征提取及识别 | 第24-44页 |
| 3.1 信号瞬时特征 | 第24-27页 |
| 3.1.1 瞬时幅度、瞬时频率、瞬时相位 | 第24-26页 |
| 3.1.2 信号瞬时特征统计量 | 第26-27页 |
| 3.2 基于瞬时信息的数字调制识别 | 第27-29页 |
| 3.2.1 调制信号相关参数的设定 | 第27-29页 |
| 3.3 仿真结果分析 | 第29-36页 |
| 3.3.1 各调制信号特征参数与SNR关系曲线 | 第29-33页 |
| 3.3.2 各调制信号识别率与SNR关系曲线 | 第33-36页 |
| 3.4 不同信噪比下调制信号识别统计结果 | 第36-37页 |
| 3.5 不同符号数及过采样比对调制信号识别的影响 | 第37-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 神经网络在调制信号识别中的应用 | 第44-66页 |
| 4.1 人工神经网络概述及特点 | 第44-48页 |
| 4.1.1 生物神经元细胞及人工神经元 | 第44-47页 |
| 4.1.2 人工神经网络的特点 | 第47-48页 |
| 4.2 BP网络 | 第48-53页 |
| 4.2.1 BP网络简介 | 第48-49页 |
| 4.2.2 BP网络仿真试验及结果分析 | 第49-53页 |
| 4.3 径向基函数神经网络(RBF) | 第53-56页 |
| 4.3.1 RBF网络简介 | 第53-54页 |
| 4.3.2 RBF网络仿真试验及结果分析 | 第54-56页 |
| 4.4 概率神经网络(PNN) | 第56-59页 |
| 4.4.1 PNN网络简介 | 第56-57页 |
| 4.4.2 PNN网络仿真试验及结果分析 | 第57-59页 |
| 4.5 支持向量机(SVM) | 第59-63页 |
| 4.5.1 SVM简介 | 第59-61页 |
| 4.5.2 SVM仿真试验及结果分析 | 第61-63页 |
| 4.6 支持向量机和神经网络的比较 | 第63-64页 |
| 4.7 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 本文工作总结 | 第66页 |
| 5.2 后续工作展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
