| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-13页 |
| 第一章 绪论 | 第13-25页 |
| §1．1 研究背景 | 第13-15页 |
| §1．2 研究现状和评述 | 第15-22页 |
| §1．2．1 基于模式识别的调制分类方法 | 第16-21页 |
| §1．2．2 最大似然比调制分类方法 | 第21-22页 |
| §1．3 本文研究内容 | 第22-25页 |
| 第二章 基于似然比分类的数字调制识别算法 | 第25-43页 |
| §2．1 引言 | 第25-26页 |
| §2．2 问题模型 | 第26页 |
| §2．3 MPSK信号平均似然比分类的次优实现算法 | 第26-30页 |
| §2．4 “大信噪比”条件分析及其工程实用意义 | 第30-32页 |
| §2．5 MPSK信号次优分类算法的渐进性能分析 | 第32-35页 |
| §2．6 次优分类算法的快速实现和计算机仿真 | 第35-42页 |
| §2．6．1 MPSK信号次优分类的快速算法和计算机仿真 | 第35-39页 |
| §2．6．2 次优分类算法用于MQAM和MASK信号分类的计算机仿真 | 第39-42页 |
| §2．7 本章小结 | 第42-43页 |
| 第三章 基于累量分析的信号参数估计算法 | 第43-65页 |
| §3．1 引言 | 第43页 |
| §3．2 平稳时间序列矩和累量函数的定义及基本性质 | 第43-46页 |
| §3．3 4阶累量估计的大样本统计特性分析 | 第46-51页 |
| §3．4 基于4阶累量的MPSK信号参数估计算法 | 第51-57页 |
| §3．4．1 问题模型 | 第51页 |
| §3．4．2 未知调制阶数MPSK信号的信噪比和参考相位估计算法 | 第51-57页 |
| §3．5 基于4阶累量的MASK、MQAM信号参数估计算法 | 第57-62页 |
| §3．6 本章小结 | 第62-65页 |
| 第四章 基于高阶累量不变量特征的数字调制识别算法 | 第65-85页 |
| §4．1 引言 | 第65-66页 |
| §4．2 问题模型 | 第66页 |
| §4．3 基于4阶累量不变量特征的MPSK信号分类算法 | 第66-75页 |
| §4．3．1 4阶累量不变量分类特征的构造 | 第66-68页 |
| §4．3．2 基于4阶累量不变量特征的MPSK信号分类算法的渐进性能 | 第68-72页 |
| §4．3．3 基于4阶累量不变量特征的连续降阶MPSK信号分类算法 | 第72-73页 |
| §4．3．4 基于4阶累量不变量特征的MPSK信号分类算法的性能仿真 | 第73-75页 |
| §4．4 基于6阶累量不变量特征的MASK信号调制识别算法 | 第75-77页 |
| §4．5 基于6阶累量不变量特征的方形MQAM信号调制识别算法 | 第77-82页 |
| §4．6 基于其它累量不变量特征的数字调制分类算法及性能仿真 | 第82-84页 |
| §4．7 本章小结 | 第84-85页 |
| 第五章 基于多径累量不变量特征的数字调制识别算法 | 第85-99页 |
| §5．1 引言 | 第85页 |
| §5．2 问题模型 | 第85-86页 |
| §5．3 基于多径累量不变量特征的MPSK信号调制识别算法 | 第86-90页 |
| §5．4 理想信道累量不变量分类算法的抗多径能力分析 | 第90-97页 |
| §5．4．1 MPSK信号多径累量近似不变量分类算法 | 第90-95页 |
| §5．4．2 MASK、MQAM信号多径累量近似不变量分类算法 | 第95-97页 |
| §5．5 本章小结 | 第97-99页 |
| 第六章 基于循环累量不变量特征的数字调制识别算法 | 第99-111页 |
| §6．1 引言 | 第99-100页 |
| §6．2 循环时变累量函数的定义和基本性质 | 第100-102页 |
| §6．3 问题模型 | 第102-103页 |
| §6．4 基于4阶循环累量不变量的MPSK信号调制识别算法 | 第103-109页 |
| §6．5 本章小结 | 第109-111页 |
| 第七章 数字调制子类识别算法 | 第111-121页 |
| §7．1 引言 | 第111页 |
| §7．2 MPSK、MQAM和MASK信号子类识别算法 | 第111-115页 |
| §7．3 基于二分判决树和神经网络分类器的调制识别算法性能仿真 | 第115-120页 |
| §7．3．1 基于二分判决树分类器的调制识别算法性能仿真 | 第115-118页 |
| §7．3．2 基于神经网络分类器的调制识别算法性能仿真 | 第118-120页 |
| §7．4 本章小结 | 第120-121页 |
| 第八章 调制识别算法的工程应用 | 第121-125页 |
| 第九章 总结与展望 | 第125-129页 |
| §9．1 本文工作的总结 | 第125-126页 |
| §9．2 进一步研究方向的展望 | 第126-129页 |
| 致谢 | 第129-130页 |
| 参考文献 | 第130-140页 |
| 作者在攻读博士学位期间（合作）撰写的学术论文 | 第140-142页 |
| 附录A 次优似然比分类判决统计量均值和方差的推导 | 第142-146页 |
| 附录B 大样本时4阶累量估值的均值和渐进方差公式的推导 | 第146-151页 |
| 附录C 随机变量商的渐进分布概率密度函数的推导 | 第151-154页 |
| 附录D 外场实测信号的数据清单 | 第154页 |
