| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 缩略词表 | 第13-15页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究工作的背景与意义 | 第15页 |
| 1.2 国内外研究历史与现状 | 第15-18页 |
| 1.3 本论文的结构安排 | 第18-20页 |
| 第二章 基于暂态特征的通信辐射源个体识别 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 暂态信号的检测 | 第20-25页 |
| 2.2.1 暂态起点检测 | 第20-23页 |
| 2.2.2 暂态终点估计 | 第23-25页 |
| 2.3 暂态信号的特征提取 | 第25-29页 |
| 2.3.1 基于多项式拟合系数的特征提取 | 第25-27页 |
| 2.3.2 降维与SVM分类器 | 第27-29页 |
| 2.4 实测信号个体识别结果与分析 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 通信辐射源的稳态特征提取方法研究 | 第32-50页 |
| 3.1 引言 | 第32页 |
| 3.2 积分双谱的稳态特征提取 | 第32-43页 |
| 3.2.1 双谱的定义与谱估计 | 第32-35页 |
| 3.2.2 四种积分双谱特征 | 第35-38页 |
| 3.2.3 实测信号实验与分析 | 第38-43页 |
| 3.3 辐射源的个体杂散特征提取 | 第43-49页 |
| 3.3.1 经验模态分解的基本概念和算法实现 | 第43-47页 |
| 3.3.2 基于经验模态分解的杂散特征提取 | 第47页 |
| 3.3.3 实测信号实验与分析 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于特征融合技术的辐射源个体识别 | 第50-76页 |
| 4.1 引言 | 第50页 |
| 4.2 基于EC-FS的高维个体杂散特征子集选择 | 第50-59页 |
| 4.2.1 特征选择算法介绍 | 第50-53页 |
| 4.2.2 EC-FS算法及其改进 | 第53-57页 |
| 4.2.3 实测信号结果与分析 | 第57-59页 |
| 4.3 基于子空间学习的双谱特征降维 | 第59-71页 |
| 4.3.1 常用降维算法介绍 | 第59-63页 |
| 4.3.2 基于局部Fisher判别分析的积分双谱特征降维 | 第63-68页 |
| 4.3.3 实测信号结果与分析 | 第68-71页 |
| 4.4 积分双谱特征和个体杂散特征融合技术研究 | 第71-75页 |
| 4.4.1 基于DCA的特征融合算法 | 第71-72页 |
| 4.4.2 改进的DCA算法 | 第72-73页 |
| 4.4.3 实测信号结果与分析 | 第73-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 基于深度学习的辐射源个体识别 | 第76-89页 |
| 5.1 引言 | 第76页 |
| 5.2 辐射源的高维数据可视化 | 第76-81页 |
| 5.2.1 t-SNE可视化算法 | 第76-80页 |
| 5.2.2 辐射源个体特征可视化分析 | 第80-81页 |
| 5.3 基于1DCNN的辐射源深度特征表示 | 第81-84页 |
| 5.3.1 辐射源个体深度特征学习架构 | 第81-83页 |
| 5.3.2 Batch Normalization | 第83-84页 |
| 5.4 分类器的设计 | 第84页 |
| 5.5 实验结果与分析 | 第84-88页 |
| 5.6 本章小结 | 第88-89页 |
| 第六章 通信辐射源个体识别系统设计 | 第89-97页 |
| 6.1 引言 | 第89页 |
| 6.2 系统设计 | 第89-92页 |
| 6.3 个体识别实验 | 第92-96页 |
| 6.3.1 实验结果 | 第92-95页 |
| 6.3.2 结果分析 | 第95-96页 |
| 6.4 本章小结 | 第96-97页 |
| 第七章 全文总结与展望 | 第97-99页 |
| 7.1 全文总结 | 第97-98页 |
| 7.2 后续工作展望 | 第98-99页 |
| 致谢 | 第99-100页 |
| 参考文献 | 第100-104页 |
| 附录 | 第104-107页 |
| 攻读硕士学位期间取得的成果 | 第107-108页 |