| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 前言 | 第11-23页 |
| ·通信信号的调制识别 | 第11-12页 |
| ·调制识别的基本方法 | 第12-14页 |
| ·调制识别技术面临的新问题 | 第14-15页 |
| ·调制识别的主要文献评述 | 第15-19页 |
| ·本文的主要研究内容 | 第19-23页 |
| 第二章 多信号的调制识别问题 | 第23-31页 |
| ·多信号调制识别的概念 | 第23页 |
| ·多信号调制识别的观测数据数学模型 | 第23-27页 |
| ·多信号的单通道接收及观测数据数学模型 | 第24-25页 |
| ·多信号的多通道接收及观测数据数学模型 | 第25-27页 |
| ·多信号调制识别的基本途径 | 第27-31页 |
| ·多信号调制识别的技术难点 | 第27-28页 |
| ·多信号调制识别的两种基本途径 | 第28-31页 |
| 第三章 已调信号的特征分析与特征提取 | 第31-67页 |
| ·引言 | 第31-32页 |
| ·已调信号 | 第32-35页 |
| ·已调信号的数学模型 | 第32-33页 |
| ·无线电通信中的常用调制形式 | 第33-34页 |
| ·已调信号的计算机仿真 | 第34-35页 |
| ·已调信号的特征分析 | 第35-58页 |
| ·已调信号的统计性质与特征分析 | 第35-36页 |
| ·已调信号的常用时域特征分析 | 第36-40页 |
| ·已调信号的功率谱和高阶谱特征分析 | 第40-49页 |
| ·已调信号的周期谱特征分析 | 第49-57页 |
| ·已调信号的时频分布特征分析 | 第57-58页 |
| ·已调信号的特征提取 | 第58-64页 |
| ·原始特征的统计量 | 第59-61页 |
| ·直方图 | 第61-62页 |
| ·主分量分析 | 第62-64页 |
| ·多特征向量与特征集的构造 | 第64页 |
| ·小结 | 第64-67页 |
| 第四章 调制识别中的分类器设计 | 第67-89页 |
| ·引言 | 第67-68页 |
| ·神经网络分类器 | 第68-75页 |
| ·神经网络及神经网络分类器 | 第68-70页 |
| ·MLP神经网络分类器 | 第70-72页 |
| ·RBF神经网络分类器 | 第72-74页 |
| ·MLP和RBF分类器的比较 | 第74-75页 |
| ·基于多特征和多标记的神经网络分类器设计 | 第75-79页 |
| ·神经网络模型的选择 | 第75-76页 |
| ·神经网络分类器的多特征输入和多标记输出的表示 | 第76-77页 |
| ·神经网络分类器的拓扑结构和训练算法的设计 | 第77-78页 |
| ·神经网络分类器的判决逻辑的设计 | 第78-79页 |
| ·组合分类器的设计 | 第79-87页 |
| ·组合分类器的概念 | 第79-84页 |
| ·分类器的神经网络组合方法 | 第84-87页 |
| ·小结 | 第87-89页 |
| 第五章 基于信号分离的多信号调制识别 | 第89-115页 |
| ·引言 | 第89页 |
| ·多信号的分离方法 | 第89-97页 |
| ·基于时间滤波的多信号的分离方法 | 第90-91页 |
| ·基于空间滤波的多信号的分离方法 | 第91-97页 |
| ·一种基于均匀线阵的空间滤波方法 | 第97-99页 |
| ·均匀线阵的多信号分离方法 | 第97-98页 |
| ·多信号分离的计算机仿真 | 第98-99页 |
| ·一种基于半球面阵的空间滤波方法 | 第99-104页 |
| ·半球面阵的阵列结构 | 第99-100页 |
| ·半球面阵的观测数据 | 第100-101页 |
| ·基于半球面阵的DOA估计和波束形成 | 第101页 |
| ·计算机仿真 | 第101-104页 |
| ·利用信号时域参数特征的已分离信号/单信号调制识别 | 第104-106页 |
| ·数字已调信号 | 第104页 |
| ·时域特征提取 | 第104页 |
| ·神经网络分类器设计 | 第104-105页 |
| ·计算机仿真 | 第105-106页 |
| ·利用AR模型参数特征的已分离信号/单信号调制识别 | 第106-114页 |
| ·数字角度已调信号 | 第106页 |
| ·基于AR模型的特征提取 | 第106-111页 |
| ·多特征、多标记分类器设计 | 第111-112页 |
| ·计算机仿真 | 第112-114页 |
| ·小结 | 第114-115页 |
| 第六章 直接提取特征的多信号调制识别方法 | 第115-143页 |
| ·引言 | 第115页 |
| ·直接提取信号频谱特征的多信号调制识别方法 | 第115-117页 |
| ·从GAR模型参数直接提取特征的多信号调制识别方法 | 第117-123页 |
| ·多信号观测数据的AR模型 | 第117-119页 |
| ·多信号观测数据的GAR模型 | 第119-121页 |
| ·从GAR模型参数提取多信号的中心频率和带宽特征 | 第121页 |
| ·特征的维数压缩与分类器的设计 | 第121-123页 |
| ·两个、三个同信道信号调制识别的计算机仿真 | 第123-141页 |
| ·仿真条件 | 第123-124页 |
| ·两个同信道信号的调制识别仿真结果 | 第124-133页 |
| ·三个同信道信号的调制识别仿真结果 | 第133-141页 |
| ·小结 | 第141-143页 |
| 第七章 结论 | 第143-145页 |
| 致谢 | 第145-147页 |
| 附录 | 第147-153页 |
| A 高阶累积量的对称性分析 | 第147-148页 |
| B 高阶谱估计中的多维滞后窗设计 | 第148-153页 |
| 参考文献 | 第153-165页 |
| 在学期间的研究成果 | 第165-167页 |
