| 第一章 绪论 | 第1-21页 |
| ·研究调制信号识别的意义 | 第11-14页 |
| ·基于软件的无线电的定义 | 第11-12页 |
| ·调制信号识别的意义 | 第12-14页 |
| ·调制识别技术的研究现状 | 第14-20页 |
| ·调制识别技术的发展 | 第14页 |
| ·基于最大似然假设检验方法的研究现状 | 第14页 |
| ·基于特征提取的模式识别方法的研究现状 | 第14-18页 |
| ·基于人工神经网络调制识别技术的研究现状 | 第18-20页 |
| ·本文的结构安排 | 第20-21页 |
| 第二章 调制信号识别的基础知识 | 第21-41页 |
| ·信号调制的通用模型 | 第21-22页 |
| ·信号调制方式的自动识别 | 第22-37页 |
| ·模拟调制信号的自动识别 | 第23-29页 |
| ·数字调制信号的自动识别 | 第29-34页 |
| ·模拟和数字调制信号的联合自动识别 | 第34-36页 |
| ·模拟数字调制信号各特征参数的仿真值的分析 | 第36-37页 |
| ·信号调制方式自动识别中应注意的几个问题 | 第37-40页 |
| ·信号分段 | 第37页 |
| ·采样速率的选取 | 第37-38页 |
| ·非线性相位分量(φ_(NL))_(i)的计算 | 第38-39页 |
| ·瞬时频率f(i)的计算 | 第39页 |
| ·非弱信号段判决门限a_t的选取 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第三章 基于神经网络调制信号识别算法 | 第41-65页 |
| ·引言 | 第41-42页 |
| ·基于决策理论的信号调制方式识别方的缺陷 | 第41页 |
| ·人工神经网络的特点 | 第41-42页 |
| ·神经网络模式识别的基本原理 | 第42-45页 |
| ·多层感知器神经网络的基本原理 | 第43-44页 |
| ·径向基函数神经网络的基本原理 | 第44-45页 |
| ·反向传播算法学习规则 | 第45-51页 |
| ·BP算法的传递函数 | 第46页 |
| ·BP算法调制识别的原理 | 第46-47页 |
| ·BP算法训练、测试过程 | 第47-48页 |
| ·权值修正量的计算 | 第48-51页 |
| ·BP网络的设计 | 第51-54页 |
| ·网络的层数 | 第51页 |
| ·隐层的神经元个数 | 第51-52页 |
| ·初始权值的选取 | 第52-53页 |
| ·学习速率 | 第53页 |
| ·期望误差的选取 | 第53页 |
| ·基于梯度下降法BP神经网络调制信号识别的仿真 | 第53-54页 |
| ·BP网络的改进 | 第54-64页 |
| ·加入动量项原理与仿真 | 第55-58页 |
| ·自适应学习率调整法原理与仿真 | 第58-60页 |
| ·带反弹的BP训练函数原理与仿真 | 第60-61页 |
| ·Levenberg-Marquardt算法与仿真 | 第61-63页 |
| ·仿真分析 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第四章 基于非线性变换调制信号识别算法 | 第65-77页 |
| ·引言 | 第65页 |
| ·模拟调制信号非线性变换后的特征 | 第65-70页 |
| ·模拟幅度调制信号 | 第65-66页 |
| ·模拟相位调制信号 | 第66-67页 |
| ·模拟频率调制信号 | 第67-70页 |
| ·数字调制信号非线性变换后的特征 | 第70-75页 |
| ·数字幅度调制信号 | 第70页 |
| ·数字相位调制信号 | 第70-71页 |
| ·数字频率调制信号 | 第71-75页 |
| ·特征选取及识别 | 第75页 |
| ·小结 | 第75-77页 |
| 第五章 结论与展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84-85页 |
| 攻读学位期间发表的学术论文目录 | 第85页 |