基于稀疏表示分类器的通信信号调制方式识别
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 选题背景和意义 | 第8页 |
| 1.2 通信信号调制方式识别研究现状 | 第8-11页 |
| 1.2.1 基于决策理论的方法 | 第9页 |
| 1.2.2 基于统计模式识别的方法 | 第9-11页 |
| 1.3 本文研究内容及安排 | 第11-14页 |
| 第二章 调制识别中的分类器设计 | 第14-26页 |
| 2.1 常用分类器简介 | 第14-16页 |
| 2.1.1 判决树分类器 | 第14-15页 |
| 2.1.2 神经网络分类器 | 第15-16页 |
| 2.1.3 支持向量机分类器 | 第16页 |
| 2.2 稀疏表示分类器 | 第16-19页 |
| 2.2.1 稀疏表示基本原理 | 第16-18页 |
| 2.2.2 稀疏表示分类器 | 第18-19页 |
| 2.3 字典学习 | 第19-23页 |
| 2.3.1 最优方向字典学习方法 | 第20-21页 |
| 2.3.2 K-SVD字典学习方法 | 第21-23页 |
| 2.4 改进的算法 | 第23-25页 |
| 2.5 小结 | 第25-26页 |
| 第三章 基于瞬时信息特征的通信信号识别 | 第26-44页 |
| 3.1 数字调制技术 | 第26-28页 |
| 3.1.1 幅度键控信号 | 第26-27页 |
| 3.1.2 频移键控信号 | 第27页 |
| 3.1.3 相移键控信号 | 第27页 |
| 3.1.4 正交幅度调制信号 | 第27-28页 |
| 3.2 信号模型与瞬时特征 | 第28-30页 |
| 3.2.1 信号模型 | 第28-29页 |
| 3.2.2 瞬时特征 | 第29-30页 |
| 3.3 特征参数提取 | 第30-32页 |
| 3.4 实验仿真与分析 | 第32-42页 |
| 3.4.1 实验仿真流程 | 第32-33页 |
| 3.4.2 本文算法实验仿真结果及分析 | 第33-34页 |
| 3.4.3 观测数据长度对识别性能影响 | 第34-38页 |
| 3.4.4 不同算法实验仿真对比 | 第38-42页 |
| 3.5 小结 | 第42-44页 |
| 第四章 基于高阶累积量特征的通信信号识别 | 第44-60页 |
| 4.1 多进制QAM介绍 | 第44-45页 |
| 4.2 高阶累积量的理论基础 | 第45-48页 |
| 4.2.1 高阶累积量的定义 | 第45-47页 |
| 4.2.2 高阶累积量的性质 | 第47-48页 |
| 4.3 多进制QAM信号的累积量 | 第48-49页 |
| 4.4 特征参数提取 | 第49页 |
| 4.5 实验仿真与分析 | 第49-59页 |
| 4.5.1 实验仿真流程 | 第49-50页 |
| 4.5.2 本文算法实验仿真结果及分析 | 第50-52页 |
| 4.5.3 观测数据长度对识别性能影响 | 第52-54页 |
| 4.5.4 不同算法实验仿真对比 | 第54-59页 |
| 4.6 小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 研究成果 | 第68-69页 |
