| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题的研究背景和意义 | 第9页 |
| ·通信信号调制识别的研究现状 | 第9-13页 |
| ·基于判决理论的识别方法 | 第10页 |
| ·基于统计模式的识别方法 | 第10-12页 |
| ·判决理论和统计模式两种识别方法的性能比较 | 第12-13页 |
| ·支持向量机的研究现状 | 第13-14页 |
| ·本文的主要工作和章节安排 | 第14-16页 |
| 第2章 通信信号调制方式识别的理论基础 | 第16-32页 |
| ·数字调制方式 | 第16-23页 |
| ·幅度键控(ASK) | 第16-18页 |
| ·频移键控(FSK) | 第18-19页 |
| ·相移键控(PSK) | 第19-21页 |
| ·正交调幅(QAM) | 第21-23页 |
| ·调制信号的瞬时特征 | 第23-27页 |
| ·基于Hilbert变换的瞬时特征提取 | 第23-24页 |
| ·常用数字信号瞬时特征的仿真 | 第24-26页 |
| ·本文所需要的几个瞬时特征 | 第26-27页 |
| ·调制信号的载波频率估计 | 第27-31页 |
| ·延时相乘载频估计法 | 第27-30页 |
| ·平方环载频估计法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于独立分量分析的混合通信信号的分离 | 第32-45页 |
| ·独立分量分析的基本理论 | 第32-38页 |
| ·独立分量分析的定义 | 第32-33页 |
| ·独立分量分析的相关数学概念 | 第33-37页 |
| ·独立分量分析的独立性测度准则 | 第37-38页 |
| ·混合通信信号的预处理 | 第38-40页 |
| ·信号的零均值化 | 第38-39页 |
| ·信号的白化处理 | 第39-40页 |
| ·基于信息论的FASTICA分离算法 | 第40-42页 |
| ·仿真与性能分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 支持向量机的理论基础 | 第45-56页 |
| ·机器学习问题的基础 | 第45-46页 |
| ·机器学习问题 | 第45-46页 |
| ·经验风险最小化准则 | 第46页 |
| ·统计学习理论 | 第46-48页 |
| ·学习过程的一致性 | 第46-47页 |
| ·VC维理论 | 第47页 |
| ·结构风险最小化准则 | 第47-48页 |
| ·支持向量机 | 第48-55页 |
| ·硬间隔最优分类超平面 | 第49-52页 |
| ·软间隔最优分类超平面 | 第52-53页 |
| ·核函数的引入 | 第53-54页 |
| ·支持向量机 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于变形光滑支持向量机通信信号调制方式的识别 | 第56-64页 |
| ·变形光滑支持向量机的基本原理 | 第56-60页 |
| ·变形光滑支持向量机的NEWTON-ARMIJO算法 | 第60-61页 |
| ·仿真和性能分析 | 第61-63页 |
| ·实验结论 | 第63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |