| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8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 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 时频重叠信号调制识别研究现状 | 第17-18页 |
| 1.2.2 基于深度学习的调制识别研究现状 | 第18-19页 |
| 1.3 本文结构安排 | 第19-21页 |
| 第二章 特征参数及分类器分析 | 第21-33页 |
| 2.1 频率切片小波变换 | 第21-24页 |
| 2.1.1 尺度因子的确定 | 第21-23页 |
| 2.1.2 频率切片的设计 | 第23-24页 |
| 2.2 循环谱 | 第24-26页 |
| 2.3 卷积神经网络 | 第26-31页 |
| 2.3.1 卷积神经网络基本模型 | 第27页 |
| 2.3.2 局部连接模型 | 第27-28页 |
| 2.3.3 卷积层 | 第28-29页 |
| 2.3.4 池化层 | 第29页 |
| 2.3.5 Softmax分类输出层 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 时频重叠MQAM信号的调制识别 | 第33-49页 |
| 3.1 引言 | 第33-34页 |
| 3.2 时频重叠MQAM信号的接收模型 | 第34页 |
| 3.3 传统方法 | 第34-36页 |
| 3.3.1 高阶累积量特征 | 第34-36页 |
| 3.3.2 高阶循环累积量特征 | 第36页 |
| 3.4 时频分析图像特征的提取 | 第36-43页 |
| 3.4.1 FSWT时频分析 | 第37-38页 |
| 3.4.2 图像的灰度化 | 第38-39页 |
| 3.4.3 灰度-梯度共生矩阵 | 第39-43页 |
| 3.5 基于FSWT和灰度-梯度共生矩阵的调制识别步骤 | 第43-44页 |
| 3.6 实验仿真及结果分析 | 第44-46页 |
| 3.7 本章小结 | 第46-49页 |
| 第四章 时频重叠MPSK/MQAM信号的调制识别 | 第49-61页 |
| 4.1 引言 | 第49-50页 |
| 4.2 时频重叠MPSK/MQAM信号的循环谱 | 第50-51页 |
| 4.3 构建卷积神经网络 | 第51-56页 |
| 4.3.1 卷积神经网络模型结构 | 第52页 |
| 4.3.2 图像数据预处理 | 第52页 |
| 4.3.3 激活函数 | 第52-55页 |
| 4.3.4 模型参数初始化 | 第55页 |
| 4.3.5 Dropout | 第55-56页 |
| 4.4 基于卷积神经网络的调制识别步骤 | 第56页 |
| 4.5 实验仿真及结果分析 | 第56-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |