| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-18页 |
| 1.2 国内外研究现状 | 第18-20页 |
| 1.2.1 数字调制解调技术 | 第18-19页 |
| 1.2.2 深度学习和卷积神经网络 | 第19-20页 |
| 1.3 论文主要研究内容及章节安排 | 第20-23页 |
| 第二章 QPSK神经网络解调技术的基础理论 | 第23-39页 |
| 2.1 QPSK调制解调原理 | 第23-27页 |
| 2.1.1 QPSK调制原理 | 第23-25页 |
| 2.1.2 QPSK相干解调原理 | 第25-26页 |
| 2.1.3 解调器性能的衡量 | 第26-27页 |
| 2.2 一维卷积神经网络基本理论 | 第27-31页 |
| 2.2.1 神经元模型 | 第27-29页 |
| 2.2.2 一维卷积核模型 | 第29-30页 |
| 2.2.3 层级模型 | 第30页 |
| 2.2.4 反向传播算法 | 第30-31页 |
| 2.3 QPSK神经网络解调算法 | 第31-37页 |
| 2.3.1 基于一维卷积神经网络的QPSK解调算法 | 第31-34页 |
| 2.3.2 一维卷积神经网络的结构 | 第34-36页 |
| 2.3.3 一维卷积神经网络的训练 | 第36-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 QPSK神经网络解调算法的FPGA实现 | 第39-53页 |
| 3.1 FPGA开发环境及开发流程介绍 | 第39-41页 |
| 3.2 FPGA实现的系统架构 | 第41-43页 |
| 3.2.1 系统的输入和输出 | 第42页 |
| 3.2.2 系统的组成 | 第42-43页 |
| 3.3 相位突变检测模块的实现 | 第43-49页 |
| 3.3.2 一维same卷积核 | 第44-46页 |
| 3.3.3 神经元模型 | 第46页 |
| 3.3.4 激活函数 | 第46-48页 |
| 3.3.5 控制模块 | 第48-49页 |
| 3.4 数据精度与量化 | 第49-50页 |
| 3.4.1 数据精度的选择 | 第49页 |
| 3.4.2 统一量化方法 | 第49-50页 |
| 3.5 流水线与并行设计 | 第50页 |
| 3.6 本章小结 | 第50-53页 |
| 第四章 QPSK神经网络解调算法实现结果和测试 | 第53-63页 |
| 4.1 实验平台的搭建 | 第53-55页 |
| 4.2 网络的训练 | 第55-56页 |
| 4.3 实现结果的测试 | 第56-60页 |
| 4.3.1 网络结构的测试 | 第56-58页 |
| 4.3.2 采样功能的测试 | 第58-59页 |
| 4.3.3 解调功能的测试 | 第59-60页 |
| 4.4 实现结果的对比 | 第60-62页 |
| 4.4.1 资源占用、功耗、延迟的对比 | 第60-61页 |
| 4.4.2 适应性的对比 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |