基于流形学习算法的通信信号指纹特征提取与识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景和意义 | 第9-10页 |
| 1.2 课题的国内外研究现状 | 第10-12页 |
| 1.3 论文主要工作和论文结构 | 第12-15页 |
| 第2章 通信信号及其特征提取技术基础 | 第15-25页 |
| 2.1 电台信号调制方式 | 第15-17页 |
| 2.1.1 模拟调制原理 | 第15-16页 |
| 2.1.2 数字调制原理 | 第16-17页 |
| 2.2 电台指纹特征性质 | 第17-18页 |
| 2.3 基于域变换的指纹特征提取 | 第18-23页 |
| 2.3.1 短时傅里叶变换域 | 第18-20页 |
| 2.3.2 小波域 | 第20-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 流形学习算法 | 第25-37页 |
| 3.1 流形学习基础 | 第25-27页 |
| 3.1.1 流形学习意义 | 第25-26页 |
| 3.1.2 有关的数学定义 | 第26页 |
| 3.1.3 流形学习概念 | 第26-27页 |
| 3.2 流形学习方法分类 | 第27-31页 |
| 3.2.1 LLE | 第28-29页 |
| 3.2.2 Isomap | 第29-31页 |
| 3.3 对比及仿真 | 第31-34页 |
| 3.4 基于流形学习的特征融合 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 通信信号调制方式识别 | 第37-51页 |
| 4.1 基于STFT和流形学习的特征提取方法 | 第37-40页 |
| 4.2 基于小波变换与流形学习的特征提取方法 | 第40-42页 |
| 4.3 分类器 | 第42-45页 |
| 4.3.1 K最近邻分类器 | 第43页 |
| 4.3.2 概率神经网络分类器 | 第43-45页 |
| 4.4 通信信号调制类型识别系统 | 第45-50页 |
| 4.4.1 类间识别系统 | 第45-49页 |
| 4.4.2 类内识别系统 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 通信电台个体识别 | 第51-67页 |
| 5.1 通信指纹特征来源 | 第51-55页 |
| 5.1.1 正交调制误差 | 第51-52页 |
| 5.1.2 频率源的相位噪声 | 第52-54页 |
| 5.1.3 功放的非线性误差 | 第54-55页 |
| 5.2 AM电台指纹特征提取 | 第55-56页 |
| 5.3 FM电台个体识别 | 第56-60页 |
| 5.3.1 信号模型 | 第56-57页 |
| 5.3.2 个体识别仿真及分析 | 第57-60页 |
| 5.4 FSK电台指纹特征提取 | 第60-65页 |
| 5.4.1 信号模型 | 第60-63页 |
| 5.4.2 个体识别仿真及分析 | 第63-65页 |
| 5.5 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-77页 |
| 致谢 | 第77页 |
