一种多规约智能转换器的研究
| 第一章 前言 | 第1-11页 |
| 1．1 选题背景 | 第6页 |
| 1．2 解决问题的可能方法 | 第6-9页 |
| 1．3 本论文所做的主要工作 | 第9-11页 |
| 第二章 研究对象的综述 | 第11-31页 |
| 2．1 数字通信基础 | 第11-15页 |
| 2．1．1 通信系统构成 | 第11页 |
| 2．1．2 信号的波形、频谱和编码 | 第11-12页 |
| 2．1．3 信道和干扰 | 第12-13页 |
| 2．1．4 同步方法和差错控制 | 第13-14页 |
| 2．1．5 调制和解调 | 第14页 |
| 2．1．6 传输速率 | 第14-15页 |
| 2．2 通信规约的内容 | 第15-25页 |
| 2．2．1 远动系统 | 第15-21页 |
| 2．2．2 通信规约的分层 | 第21-23页 |
| 2．2．3 通信规约对于帧结构的规定 | 第23-24页 |
| 2．2．4 通信规约传输规则规定 | 第24-25页 |
| 2．3 通信规约的实现及其转换 | 第25-26页 |
| 2．3．1 通信规约的实现方法 | 第25页 |
| 2．3．2 通信规约的转换方法 | 第25-26页 |
| 2．4 通信规约应用当中的一些问题 | 第26-30页 |
| 2．4．1 灵活性与可操作性的矛盾 | 第26页 |
| 2．4．2 标准的兼容性问题 | 第26页 |
| 2．4．3 帧格式问题 | 第26-27页 |
| 2．4．4 保护SOE的上传问题 | 第27-28页 |
| 2．4．5 对时及对时精度问题 | 第28-30页 |
| 2．5 小结 | 第30-31页 |
| 第三章 所采用方法的原理 | 第31-46页 |
| 3．1 人工智能的一般概念 | 第31页 |
| 3．2 人工神经网络的理论和方法 | 第31-44页 |
| 3．2．1 人工神经元模型 | 第32-33页 |
| 3．2．2 人工神经网络的构成方式 | 第33-34页 |
| 3．2．3 人工神经网络的数学基础 | 第34-35页 |
| 3．2．4 人工神经网络的学习算法 | 第35-41页 |
| 3．2．5 人工神经网络的训练 | 第41-44页 |
| 3．3 人工神经网络的应用 | 第44-45页 |
| 3．4 小结 | 第45-46页 |
| 第四章 多规约智能转换器方案 | 第46-60页 |
| 4．1 基本转换器框架 | 第46-47页 |
| 4．2 识别算法 | 第47-51页 |
| 4．2．1 实际数据的获取方法 | 第47页 |
| 4．2．2 特征码提取方案 | 第47-49页 |
| 4．2．3 样本编制方法 | 第49页 |
| 4．2．4 训练次数问题 | 第49页 |
| 4．2．5 数据位和校验位设置的自动识别方案 | 第49-50页 |
| 4．2．6 通讯速率自动识别方案 | 第50页 |
| 4．2．7 新规约的添加方法 | 第50页 |
| 4．2．8 双向识别问题 | 第50-51页 |
| 4．3 实现方法 | 第51-59页 |
| 4．3．1 平台和语言 | 第51-53页 |
| 4．3．2 面向对象和模块化 | 第53-59页 |
| 4．4 小结 | 第59-60页 |
| 第五章 结论 | 第60-61页 |
| 附录1 | 第61-64页 |
| 附录2 | 第64-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69页 |
