| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-13页 |
| 1.1.1 频谱分配与频谱监测 | 第9-11页 |
| 1.1.2 信号识别及其应用 | 第11页 |
| 1.1.3 信号识别算法概述 | 第11-12页 |
| 1.1.4 研究的意义 | 第12-13页 |
| 1.2 研究内容和思路 | 第13-14页 |
| 1.3 论文结构组织 | 第14-15页 |
| 第二章 信号识别算法的研究 | 第15-33页 |
| 2.1 常用信号调制方式 | 第15-20页 |
| 2.1.1 振幅键控ASK | 第15-16页 |
| 2.1.2 频率键控FSK | 第16-17页 |
| 2.1.3 相位键控PSK | 第17-19页 |
| 2.1.4 正交幅度调制QAM | 第19-20页 |
| 2.2 信号识别的模型 | 第20-21页 |
| 2.3 基于似然的信号识别算法 | 第21-24页 |
| 2.3.1 平均似然比(ALRT) | 第22页 |
| 2.3.2 广义似然比(GLRT) | 第22-23页 |
| 2.3.3 混合似然比(HLRT) | 第23-24页 |
| 2.4 基于特征的信号识别算法 | 第24-30页 |
| 2.4.1 高阶累积量理论 | 第26-27页 |
| 2.4.2 数字调制信号的高阶累积量 | 第27-30页 |
| 2.5 基于启发式的信号识别算法 | 第30-31页 |
| 2.6 本章总结 | 第31-33页 |
| 第三章 混叠信号分离算法 | 第33-47页 |
| 3.1 系统模型 | 第33-35页 |
| 3.2 基于独立分量分析的盲源分离算法 | 第35-42页 |
| 3.2.1 信号预处理 | 第35-37页 |
| 3.2.2 基于自然梯度ICA的盲源分离 | 第37-39页 |
| 3.2.3 基于FastICA的盲源分离 | 第39-42页 |
| 3.3 基于FASTICA的盲源分离算法性能分析 | 第42-46页 |
| 3.3.1 分离算法收敛速度分析 | 第42-45页 |
| 3.3.2 数据预处理的性能分析 | 第45-46页 |
| 3.4 本章总结 | 第46-47页 |
| 第四章 信号分离-识别算法 | 第47-67页 |
| 4.1 基于决策树模型的多累积量特征 | 第47-50页 |
| 4.2 基于比值模型的多累积量特征 | 第50-61页 |
| 4.2.1 基于比值模型的信号识别 | 第50-55页 |
| 4.2.2 频偏对信号识别的影响 | 第55-60页 |
| 4.2.3 相偏对信号识别的影响 | 第60-61页 |
| 4.3 基于FASTICA的混叠信号分离-识别的性能分析 | 第61-66页 |
| 4.3.1 混叠信号分离-识别算法 | 第61-63页 |
| 4.3.2 混叠信号分离识别准确度 | 第63-65页 |
| 4.3.3 功率对信号分离识别的影响 | 第65-66页 |
| 4.4 本章总结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67-68页 |
| 5.2 下一步工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 硕士期间发表论文情况 | 第75页 |