基于广义S变换的通信信号分析方法研究
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 时频分析方法研究现状 | 第13-14页 |
| 1.2.2 信号检测的研究现状 | 第14页 |
| 1.2.3 信号滤波方法的研究现状 | 第14-15页 |
| 1.2.4 信号调制类型识别的研究现状 | 第15页 |
| 1.3 论文结构安排 | 第15-17页 |
| 第2章 常见的时频分析方法 | 第17-42页 |
| 2.1 短时傅里叶变换 | 第17-18页 |
| 2.2 魏格纳威利分布 | 第18-19页 |
| 2.3 S变换及广义S变换 | 第19-22页 |
| 2.3.1 S变换 | 第19-20页 |
| 2.3.2 广义S变换 | 第20-22页 |
| 2.4 基于改进遗传算法的GST窗函数优化 | 第22-41页 |
| 2.4.1 时频分析评价标准 | 第22-25页 |
| 2.4.2 遗传算法 | 第25-29页 |
| 2.4.3 算法验证 | 第29-31页 |
| 2.4.4 仿真分析 | 第31-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 基于广义S变换的信号检测 | 第42-53页 |
| 3.1 时频检测理论基础 | 第42-44页 |
| 3.2 高斯白噪声的统计特性 | 第44-48页 |
| 3.3 基于广义S变换的恒虚警率检测 | 第48-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 基于广义S变换的滤波和瞬时频率提取 | 第53-68页 |
| 4.1 基于自适应恒虚警率检测的滤波方法 | 第53-54页 |
| 4.2 基于奇异值分解的时频滤波 | 第54-59页 |
| 4.2.1 奇异值分解降噪方法 | 第54-55页 |
| 4.2.2 有效奇异值的选择方法 | 第55-56页 |
| 4.2.3 高斯白噪声的滤波方法 | 第56-58页 |
| 4.2.4 仿真分析 | 第58-59页 |
| 4.3 基于图像处理的时频滤波 | 第59-63页 |
| 4.3.1 时频图像处理 | 第59-61页 |
| 4.3.2 滤波及结果分析 | 第61-63页 |
| 4.4 基于广义S变换的瞬时频率提取 | 第63-67页 |
| 4.4.1 基于脊线提取的瞬时频率提取方法 | 第63-64页 |
| 4.4.2 基于图像处理的瞬时频率提取方法 | 第64-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 基于广义S变换的通信信号识别 | 第68-77页 |
| 5.1 不同信号的瞬时频率特征 | 第68-72页 |
| 5.1.1 线性调频信号 | 第68-69页 |
| 5.1.2 正弦调频信号 | 第69-70页 |
| 5.1.3 二进制相位编码信号 | 第70-71页 |
| 5.1.4 二进制频率编码信号 | 第71-72页 |
| 5.2 基于广义S变换瞬时率特性的信号识别算法 | 第72-74页 |
| 5.2.1 算法流程 | 第72-73页 |
| 5.2.2 人工神经网络分类器 | 第73-74页 |
| 5.3 仿真结果 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第84-85页 |
| 致谢 | 第85页 |
