| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-15页 |
| 1.2.1 基于假设检验的最大似然方法 | 第11-12页 |
| 1.2.2 统计模式识别方法 | 第12-13页 |
| 1.2.3 分类算法 | 第13-15页 |
| 1.3 论文研究内容及结构安排 | 第15-17页 |
| 2 典型数字信号的特征与原理 | 第17-24页 |
| 2.1 调制信号特征分析 | 第17-23页 |
| 2.1.1 基于统计量特征提取方法 | 第18页 |
| 2.1.2 基于谱相关特征提取方法 | 第18-19页 |
| 2.1.3 基于小波变换的特征提取方法 | 第19-20页 |
| 2.1.4 基于复杂度特征提取方法 | 第20-22页 |
| 2.1.5 基于星座图特征 | 第22-23页 |
| 2.2 本章小结 | 第23-24页 |
| 3 基于联合聚类的星座图恢复算法 | 第24-40页 |
| 3.1 仿射传播聚类算法分析 | 第24-25页 |
| 3.2 模糊C均值聚类算法分析 | 第25-27页 |
| 3.3 联合聚类算法仿真与分析 | 第27-39页 |
| 3.3.1 联合聚类算法参数分析 | 第27-29页 |
| 3.3.2 联合聚类算法有效性分析 | 第29-31页 |
| 3.3.3 基于联合聚类的星座图自适应恢复 | 第31-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 多特征融合算法分析 | 第40-54页 |
| 4.1 多特征选择 | 第40-48页 |
| 4.1.1 归一化幅度谱密度最大值 | 第40-42页 |
| 4.1.2 周期谱峰数目 | 第42-44页 |
| 4.1.3 特征谱谱峰间距的标准偏差 | 第44-45页 |
| 4.1.4 归一化样本熵 | 第45-48页 |
| 4.2 多特征融合算法 | 第48-53页 |
| 4.2.1 类间特征融合 | 第48-51页 |
| 4.2.2 类内特征融合 | 第51-53页 |
| 4.3 本章小结 | 第53-54页 |
| 5 算法仿真与结果分析 | 第54-62页 |
| 5.1 调制模式识别算法仿真 | 第54-58页 |
| 5.1.1 类间识别仿真结果分析 | 第54-55页 |
| 5.1.2 类内识别仿真结果分析 | 第55-58页 |
| 5.2 仿真结果分析 | 第58-60页 |
| 5.3 基于Matlab GUI的PSK、QAM仿真系统 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间发表的学术论文及研究成果 | 第69页 |