| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 调制信号识别研究的背景和意义 | 第9页 |
| 1.2 调制信号识别研究的历史及现状 | 第9-10页 |
| 1.3 粗糙集研究的历史及现状 | 第10-11页 |
| 1.4 神经网络与粗糙集相结合对通信信号识别的必要性 | 第11页 |
| 1.5 本文的研究内容及研究思路 | 第11-15页 |
| 第二章 通信信号调制的基础知识和预处理 | 第15-31页 |
| 2.1 调制的基本概念 | 第15页 |
| 2.2 调制信号的种类特征 | 第15-21页 |
| 2.3 通信信号的预处理 | 第21-29页 |
| 2.3.1 希尔伯特(Hilbert)变换 | 第21页 |
| 2.3.2 通信调制信号的预处理 | 第21-24页 |
| 2.3.3 瞬时特征参数的分析及提取 | 第24-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 通信调制信号的特征提取 | 第31-41页 |
| 3.1 高阶累积量的相关基础知识 | 第31-34页 |
| 3.2 四类调制信号的高阶累积量 | 第34-37页 |
| 3.2.1 MASK信号的高阶累积量的计算 | 第34-35页 |
| 3.2.2 MPSK信号的高阶累积量的计算 | 第35-36页 |
| 3.2.3 MFSK信号的高阶累积量的计算 | 第36-37页 |
| 3.2.4 MQAM信号的高阶累积量的计算 | 第37页 |
| 3.3 基于信号高阶累积量和瞬时幅度的特征参数的提取 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 邻域粗糙集理论及通信调制信号特征选择算法 | 第41-49页 |
| 4.1 数值空间的粒化和逼近 | 第41-44页 |
| 4.1.1 邻域基础上的粒化 | 第42-43页 |
| 4.1.2 邻域粗糙集的逼近 | 第43-44页 |
| 4.2 邻域决策系统 | 第44-46页 |
| 4.3 基于邻域粗糙集模型的属性约简算法 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 基于BP神经网络的调制识别器设计 | 第49-57页 |
| 5.1 神经网络的发展概况与论述 | 第49-50页 |
| 5.2 BP神经网络的模型和算法 | 第50-54页 |
| 5.2.1 BP网络结构 | 第50-51页 |
| 5.2.2 BP神经网络的算法实现 | 第51-53页 |
| 5.2.3 神经网络调制识别器设计分析 | 第53-54页 |
| 5.3 基于BP神经网络的通信信号调制识别算法步骤 | 第54-55页 |
| 5.4 本章总结 | 第55-57页 |
| 第六章 基于邻域粗糙集调制识别方法的应用 | 第57-69页 |
| 6.1 实验数据来源 | 第57-58页 |
| 6.2 基于邻域粗糙集的调制信号特征参数选择 | 第58页 |
| 6.3 不同邻域大小下的特征参数选择结果 | 第58-62页 |
| 6.4 邻域粗糙集与BP神经网络结合的调制识别结果分析 | 第62-68页 |
| 6.5 本章总结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 7.1 本文所做的工作 | 第69-70页 |
| 7.2 进一步的研究方向 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文目录 | 第76页 |
