| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 传统信号识别分类算法 | 第11-12页 |
| 1.2.2 机器学习在信号识别中的应用 | 第12-13页 |
| 1.2.3 深度学习在信号识别中的应用 | 第13-14页 |
| 1.3 论文主要内容 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 关键技术概述 | 第16-32页 |
| 2.1 传统信号识别分类算法 | 第16-21页 |
| 2.1.1 基于最大似然比判决理论的识别方法 | 第16-18页 |
| 2.1.2 基于特征提取的统计模式识别方法 | 第18-21页 |
| 2.2 深度学习相关技术 | 第21-26页 |
| 2.2.1 残差神经网络 | 第21-22页 |
| 2.2.2 Inception结构 | 第22-24页 |
| 2.2.3 长短期记忆网络 | 第24-26页 |
| 2.3 软件系统设计相关技术 | 第26-30页 |
| 2.3.1 数据存储 | 第26-27页 |
| 2.3.2 数据计算 | 第27-28页 |
| 2.3.3 数据可视化及管理 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 信号识别分类算法研究 | 第32-52页 |
| 3.1 数据集 | 第32-34页 |
| 3.2 信号识别分类模型 | 第34-44页 |
| 3.2.1 基于残差神经网络的信号识别分类模型 | 第34-37页 |
| 3.2.2 基于Inception的信号识别分类模型 | 第37-41页 |
| 3.2.3 基于长短期记忆网络的信号识别分类模型 | 第41-44页 |
| 3.3 仿真实验结果及对比分析 | 第44-50页 |
| 3.3.1 总体识别准确率 | 第44-45页 |
| 3.3.2 不同信号的识别准确率 | 第45-47页 |
| 3.3.3 特定信噪比下的混淆矩阵 | 第47-50页 |
| 3.3.4 模型复杂度 | 第50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 信号识别分类软件系统设计 | 第52-72页 |
| 4.1 软件系统需求分析 | 第52-54页 |
| 4.1.1 功能需求 | 第52-53页 |
| 4.1.2 性能需求 | 第53-54页 |
| 4.2 软件系统整体架构设计 | 第54-56页 |
| 4.3 软件系统集群设计 | 第56-58页 |
| 4.4 软件系统服务端设计 | 第58-62页 |
| 4.4.1 数据预处理模块 | 第58-59页 |
| 4.4.2 数据计算模块 | 第59-61页 |
| 4.4.3 数据存储模块 | 第61-62页 |
| 4.5 软件系统网页端设计 | 第62-69页 |
| 4.5.1 数据可视化模块 | 第62-65页 |
| 4.5.2 数据管理模块 | 第65-66页 |
| 4.5.3 权限管理模块 | 第66-69页 |
| 4.6 本章小结 | 第69-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 工作总结 | 第72-73页 |
| 5.2 工作展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80页 |