| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 论文的研究内容和工作安排 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 文章架构 | 第18-19页 |
| 第二章 静态调制识别算法 | 第19-33页 |
| 2.1 基于深度学习的调制识别算法 | 第19-27页 |
| 2.1.1 特征提取 | 第19-23页 |
| 2.1.2 深度学习算法 | 第23-26页 |
| 2.1.3 仿真分析 | 第26-27页 |
| 2.2 基于星座图聚类的调制识别算法 | 第27-31页 |
| 2.2.1 聚类分析 | 第28-29页 |
| 2.2.2 仿真分析 | 第29-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 传统动态调制识别算法 | 第33-41页 |
| 3.1 基于ALRT的调制识别算法 | 第33-36页 |
| 3.1.1 系统模型 | 第33-34页 |
| 3.1.2 ALRT算法 | 第34-36页 |
| 3.2 基于导频辅助信道估计的调制识别算法 | 第36-38页 |
| 3.2.1 系统模型 | 第36页 |
| 3.2.2 导频辅助估计算法 | 第36-38页 |
| 3.3 本章小结 | 第38-41页 |
| 第四章 基于贝叶斯序贯推理的调制识别算法 | 第41-55页 |
| 4.1 系统模型 | 第41-45页 |
| 4.1.1 自适应调制编码 | 第41-42页 |
| 4.1.2 DSM模型 | 第42-43页 |
| 4.1.3 时变衰落信道模型 | 第43-44页 |
| 4.1.4 似然观测 | 第44-45页 |
| 4.1.5 映射规则 | 第45页 |
| 4.2 贝叶斯序贯推理算法 | 第45-47页 |
| 4.3 莱斯信道下的仿真分析 | 第47-51页 |
| 4.3.1 不同的多普勒频移信道 | 第48-49页 |
| 4.3.2 不同的采样点数 | 第49-50页 |
| 4.3.3 现有方案对比 | 第50-51页 |
| 4.4 瑞丽信道下的仿真分析 | 第51-54页 |
| 4.4.1 不同的多普勒频移信道 | 第51-52页 |
| 4.4.2 不同的采样点数 | 第52-53页 |
| 4.4.3 现有方案对比 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 多对一映射下的自适应调制识别算法 | 第55-63页 |
| 5.1 优先估计信道状态的解决方案 | 第55-56页 |
| 5.2 优先估计调制方式的解决方案 | 第56-58页 |
| 5.3 仿真分析 | 第58-61页 |
| 5.3.1 优先估计信道状态的方案采取不同的映射关系 | 第59页 |
| 5.3.2 不同的解决方案 | 第59-60页 |
| 5.3.3 不同的调制信号 | 第60-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-67页 |
| 6.1 工作总结 | 第63-64页 |
| 6.1.1 内容总结 | 第63页 |
| 6.1.2 创新之处 | 第63-64页 |
| 6.2 课题展望 | 第64-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 硕士研究生期间发表的论文 | 第73页 |