| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史与现状 | 第11-12页 |
| 1.3 本论文的结构安排 | 第12-14页 |
| 第二章 压缩感知方法及其与传统PSK信号识别方法的结合 | 第14-23页 |
| 2.1 压缩感知方法简介 | 第14-19页 |
| 2.1.1 问题描述 | 第14-16页 |
| 2.1.2 信号的稀疏表示 | 第16页 |
| 2.1.3 观测矩阵的设计 | 第16-19页 |
| 2.1.4 信号重构 | 第19页 |
| 2.2 传统PSK信号识别方法与CS的结合 | 第19-21页 |
| 2.3 本章小结 | 第21-23页 |
| 第三章 基于高次方傅里叶变换的调制方式识别方法 | 第23-44页 |
| 3.1 MPSK信号谱特征 | 第23-33页 |
| 3.1.1 BPSK信号的谱分析 | 第23-26页 |
| 3.1.2 QPSK信号的谱分析 | 第26-29页 |
| 3.1.3 8PSK信号的谱分析 | 第29-31页 |
| 3.1.4 特征参数的构造 | 第31-33页 |
| 3.2 高次方变换与压缩感知技术的结合 | 第33-35页 |
| 3.3 目标稀疏域的重构 | 第35-38页 |
| 3.3.1 贪婪算法 | 第35-38页 |
| 3.3.2 凸松弛算法 | 第38页 |
| 3.4 仿真分析 | 第38-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于压缩信号处理的调制方式识别方法 | 第44-67页 |
| 4.1 MPSK信号的高次方特征分析 | 第44-46页 |
| 4.1.1 MPSK信号的分析 | 第44-45页 |
| 4.1.2 特征参数的构造 | 第45-46页 |
| 4.2 算法改进 | 第46-49页 |
| 4.3 基于高次方特征的分类决策 | 第49-57页 |
| 4.3.1 BP神经网络 | 第49-52页 |
| 4.3.2 改进的K-mean聚类算法 | 第52-57页 |
| 4.4 压缩信号的处理方法 | 第57-59页 |
| 4.5 仿真实验及分析 | 第59-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 总结和展望 | 第67-69页 |
| 5.1 全文总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间取得的成果 | 第75-76页 |