| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与价值 | 第9-10页 |
| 1.2 调制识别国内外研究现状 | 第10-14页 |
| 1.2.1 基于极大似然估计的调制识别 | 第11-12页 |
| 1.2.2 基于特征提取的统计调制识别 | 第12-13页 |
| 1.2.3 基于神经网络的调制识别 | 第13-14页 |
| 1.3 研究目标及内容 | 第14-16页 |
| 1.3.1 研究目标 | 第14-15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 本课题的总体框架设计 | 第16页 |
| 1.5 本文结构安排 | 第16-18页 |
| 第2章 本文级联卷积神经网络系统的设计 | 第18-25页 |
| 2.1 设计第一级卷积神经网络 | 第18-20页 |
| 2.2 设计第二级卷积神经网络 | 第20-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 提取信号IQ与时频特征 | 第25-29页 |
| 3.1 IQ特征向量的提取 | 第25-26页 |
| 3.2 信号时频特征 | 第26-28页 |
| 3.2.1 频谱搬移算法 | 第26-27页 |
| 3.2.2 生成时频特征 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 针对PSK子类信号的特征提取算法 | 第29-46页 |
| 4.1 PSK信号相位调制原理 | 第30-32页 |
| 4.2 PSK信号发散的纠正 | 第32-40页 |
| 4.2.1 PSK信号发散原因 | 第32-35页 |
| 4.2.2 PSK有效码元聚类算法 | 第35-36页 |
| 4.2.3 PSK频偏补偿算法 | 第36-40页 |
| 4.3 PSK密度矩阵聚类算法 | 第40-45页 |
| 4.3.1 PSK聚类算法 | 第41-43页 |
| 4.3.2 聚类中心预估算法 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 实验结果展示与分析 | 第46-59页 |
| 5.1 实验平台与设备 | 第46-48页 |
| 5.1.1 信号收发平台 | 第46-48页 |
| 5.1.2 算法实现软件与硬件平台 | 第48页 |
| 5.2 实验结果展示与分析 | 第48-53页 |
| 5.2.1 数据集的生成 | 第48-49页 |
| 5.2.2 基于IQ特征的有效信号识别 | 第49-50页 |
| 5.2.3 基于时频特征的大类信号调制识别 | 第50-52页 |
| 5.2.4 基于密度矩阵的PSK子类调制识别 | 第52-53页 |
| 5.2.5 实验总结 | 第53页 |
| 5.3 实验结果对比及分析 | 第53-58页 |
| 5.3.1 本文第二级神经网络与Inception-ResNet-V2对比 | 第53-54页 |
| 5.3.2 PSK二次聚类前后识别精度对比 | 第54-56页 |
| 5.3.3 本文聚类中心寻找算法与肘部法对比 | 第56-57页 |
| 5.3.4 系统识别与传统调制识别方法对比 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论和展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第67页 |