数字通信信号调制识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 缩略语 | 第8-11页 |
| 第一章 绪论 | 第11-16页 |
| ·引言 | 第11-12页 |
| ·调制识别方法概述 | 第12-14页 |
| ·基于假设检验的最大似然方法 | 第12-13页 |
| ·基于特征提取的模式识别方法 | 第13-14页 |
| ·两种调制识别方法的比较 | 第14页 |
| ·本文的结构及内容概要 | 第14-16页 |
| 第二章 基于特征参数提取的调制识别算法 | 第16-23页 |
| ·基于特征参数提取的调制识别算法流程 | 第16页 |
| ·数字调制信号的产生 | 第16-19页 |
| ·调制信号特征参数的提取 | 第19-20页 |
| ·分类器的设计 | 第20-21页 |
| ·国内外研究现状 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于聚类与神经网络的联合调制识别算法 | 第23-38页 |
| ·聚类算法 | 第23-24页 |
| ·人工神经网络 | 第24页 |
| ·基于聚类与神经网络的联合调制识别算法 | 第24-34页 |
| ·基于模糊C-均值聚类的特征参数的提取 | 第25-31页 |
| ·基于神经网络的分类器的设计 | 第31-34页 |
| ·仿真与性能分析 | 第34-37页 |
| ·模糊C-均值聚类算法识别率 | 第35-36页 |
| ·基于聚类与神经网络的联合调制识别算法识别率 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于聚类与SVM 的联合调制识别算法 | 第38-53页 |
| ·支持向量机 | 第38-39页 |
| ·基于聚类与SVM 的联合调制识别算法 | 第39-49页 |
| ·基于K-均值聚类的特征参数提取 | 第40-46页 |
| ·基于SVM 的分类器的设计 | 第46-49页 |
| ·仿真与性能分析 | 第49-52页 |
| ·K-均值聚类算法识别率 | 第49-50页 |
| ·基于聚类与神经网络的联合调制识别算法识别率 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于神经网络的协作调制识别算法 | 第53-69页 |
| ·无线传感器网络的信息融合 | 第53-55页 |
| ·基于神经网络的多传感器节点协作调制识别算法 | 第55-64页 |
| ·分布式协作特征参数的提取 | 第56-62页 |
| ·神经网络分类器的设计 | 第62-64页 |
| ·仿真与性能分析 | 第64-67页 |
| ·基于神经网络的非协作调制识别算法 | 第65-66页 |
| ·基于神经网络的协作调制识别算法 | 第66-67页 |
| ·本章小结 | 第67-69页 |
| 第六章 结束语 | 第69-71页 |
| ·全文总结 | 第69-70页 |
| ·未来的研究工作 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间发表的论文及参加的项目 | 第75页 |
