基于人工神经网络的数字调制方式识别的研究
| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| ·调制方式识别的研究背景 | 第7-8页 |
| ·调制方式识别理论的发展状况 | 第8-12页 |
| ·本文主要内容简介 | 第12-13页 |
| 第二章 人工神经网络理论基础 | 第13-24页 |
| ·生物学的启示 | 第13-14页 |
| ·神经网络的优点 | 第14-15页 |
| ·神经网络模型 | 第15-18页 |
| ·人工神经元模型 | 第15-17页 |
| ·人工神经网络模型及工作方式 | 第17-18页 |
| ·多层感知器(MLP)神经网络 | 第18页 |
| ·反向传播(BP)算法 | 第18-20页 |
| ·BP网络的设计分析 | 第20-22页 |
| ·隐含层数的分析 | 第20-21页 |
| ·隐含层内节点数的确定 | 第21页 |
| ·初始权值的选定 | 第21-22页 |
| ·学习速率的选取 | 第22页 |
| ·BP算法的若干改进 | 第22-24页 |
| ·加入动量项 | 第22-23页 |
| ·自适应学习率调整法 | 第23页 |
| ·Levenberg-Marquardt算法 | 第23-24页 |
| 第三章 数字调制识别的特征提取 | 第24-42页 |
| ·数字调制信号 | 第24-32页 |
| ·幅度键控 ASK | 第25-26页 |
| ·移频键控 FSK | 第26-28页 |
| ·移相键控 PSK | 第28-30页 |
| ·正交幅相键控 QAM | 第30-32页 |
| ·数字调制信号瞬时特征的分析基础 | 第32-33页 |
| ·数字调制识别的特征参数提取 | 第33-42页 |
| ·有关文献中的特征参数 | 第34-35页 |
| ·本文构造的特征集参数 | 第35-42页 |
| 第四章 基于神经网络的调制方式识别系统的设计 | 第42-52页 |
| ·决策树识别分析 | 第42-43页 |
| ·神经网络分类器的构造 | 第43-46页 |
| ·仿真试验及结果分析 | 第46-52页 |
| ·调制信号的产生 | 第46页 |
| ·特征参数的提取 | 第46-47页 |
| ·分层结构的神经网络的训练 | 第47-49页 |
| ·神经网络分类器的测试 | 第49-50页 |
| ·仿真结果分析及结论 | 第50-52页 |
| 结束语 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
