常用通信信号和生物医学信号特征提取与模式识别的研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 引言 | 第8页 |
| 1.2 研究目的和意义 | 第8-9页 |
| 1.3 研究背景、现状和趋势 | 第9-10页 |
| 1.4 本文主要的研究内容和主要创新点 | 第10-12页 |
| 1.4.1 主要研究内容 | 第10-11页 |
| 1.4.2 主要创新点 | 第11-12页 |
| 1.5 结构安排 | 第12-13页 |
| 第二章 常用信号的模式识别方法和不确定度分析 | 第13-19页 |
| 2.1 常用信号的调制原理和分类 | 第13-14页 |
| 2.1.1 常用信号的调制原理 | 第13-14页 |
| 2.1.2 常用信号的分类 | 第14页 |
| 2.2 常用信号识别方法及优缺点比较 | 第14-15页 |
| 2.3 不确定度分析 | 第15-18页 |
| 2.3.1 不确定度的来源分析与计算标准 | 第15-17页 |
| 2.3.2 不确定度的计算 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 常用扩频信号的模式识别方法研究 | 第19-33页 |
| 3.1 相关背景技术和识别方法介绍 | 第19-22页 |
| 3.1.1 背景技术 | 第19页 |
| 3.1.2 现有实现方案比较 | 第19-22页 |
| 3.2 识别方案设计 | 第22-32页 |
| 3.2.1 本文要解决的主要技术问题 | 第22页 |
| 3.2.2 具体方案设计和验证 | 第22-31页 |
| 3.2.3 本文技术方案带来的有益效果 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于决策论和SVM识别算法的研究 | 第33-48页 |
| 4.1 相关识别原理和识别特征介绍 | 第33-36页 |
| 4.1.1 高阶累积量原理 | 第33-34页 |
| 4.1.2 支持向量机(SVM)原理 | 第34页 |
| 4.1.3 识别特征介绍 | 第34-36页 |
| 4.2 基于决策论方法的验证 | 第36-43页 |
| 4.2.1 esmdwire环境验证 | 第36-38页 |
| 4.2.2 esmdwireless环境验证 | 第38-40页 |
| 4.2.3 示波器环境验证 | 第40-43页 |
| 4.3 基于SVM方法的验证 | 第43-47页 |
| 4.3.1 SVM算法研究 | 第43页 |
| 4.3.2 SVM算法在识别系统中的应用 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于高阶谱的混合信号模式识别算法研究 | 第48-56页 |
| 5.1 特征提取与识别算法 | 第48-51页 |
| 5.2 识别流程及步骤 | 第51页 |
| 5.3 仿真与结果分析 | 第51-53页 |
| 5.4 识别系统GUI设计 | 第53-54页 |
| 5.4.1 输入项 | 第53页 |
| 5.4.2 输出项 | 第53-54页 |
| 5.4.3 系统功能和性能描述 | 第54页 |
| 5.5 识别不确定度 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 生物医学信号中的模式识别研究 | 第56-66页 |
| 6.1 相关知识准备 | 第56-58页 |
| 6.1.1 生物医学信号的特点 | 第56-57页 |
| 6.1.2 生物医学信号的分类 | 第57页 |
| 6.1.3 生物医学信号的模式识别方法 | 第57页 |
| 6.1.4 生物医学信号的处理技术 | 第57-58页 |
| 6.1.5 生物医学信号主要特征提取方法 | 第58页 |
| 6.2 识别算法设计 | 第58-60页 |
| 6.2.1 经验模态分解的过程 | 第58-59页 |
| 6.2.2 特征熵的定义 | 第59页 |
| 6.2.3 新识别算法的提出 | 第59-60页 |
| 6.3 算法的实现和验证 | 第60-65页 |
| 6.3.1 算法的识别流程图 | 第60-61页 |
| 6.3.2 仿真验证 | 第61-65页 |
| 6.4 本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
