| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题来源及研究的背景和意义 | 第8-9页 |
| 1.2 通信信号调制识别研究现状及发展分析 | 第9-12页 |
| 1.2.1 基于假设似然比的决策论调制识别方法 | 第9-10页 |
| 1.2.2 基于特征提取的调制识别方法 | 第10-12页 |
| 1.3 主要研究内容与章节安排 | 第12-15页 |
| 第2章 通信信号识别及多径瑞利信道理论基础 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 自动调制识别模型 | 第15页 |
| 2.3 通信信号模式分析 | 第15-23页 |
| 2.3.1 振幅键控(ASK)通信信号模式分析 | 第16-17页 |
| 2.3.2 相移键控(PSK)通信信号模式分析 | 第17-18页 |
| 2.3.3 频移键控(FSK)通信信号模式分析 | 第18-19页 |
| 2.3.4 正交幅度调制(QAM)通信信号模式分析 | 第19-20页 |
| 2.3.5 正交频分多址(OFDM)通信信号模式分析 | 第20-21页 |
| 2.3.6 最小频移键控(MSK)通信信号模式分析 | 第21-22页 |
| 2.3.7 线性调频(LFM)通信信号模式分析 | 第22-23页 |
| 2.4 多径瑞利信道 | 第23-27页 |
| 2.4.1 多径瑞利信道概述 | 第24-25页 |
| 2.4.2 多径瑞利信道参数 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 通信信号调制识别算法研究 | 第28-52页 |
| 3.1 引言 | 第28页 |
| 3.2 特征提取调制识别算法 | 第28-36页 |
| 3.2.1 调制识别算法特征提取 | 第28-33页 |
| 3.2.2 决策树分类器 | 第33-34页 |
| 3.2.3 仿真验证 | 第34-36页 |
| 3.3 基于深度学习网络的调制识别算法 | 第36-50页 |
| 3.3.1 深度学习算法研究 | 第36-37页 |
| 3.3.2 网络层及参数的选择 | 第37-40页 |
| 3.3.3 网络结构设计 | 第40-50页 |
| 3.4 特征提取调制识别算法与深度学习网络性能对比 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 调制识别算法FPGA实现设计 | 第52-63页 |
| 4.1 引言 | 第52页 |
| 4.2 OpenCL通信信号调制识别算法FPGA模块设计 | 第52-57页 |
| 4.2.1 OpenCL数据并行编程 | 第53-54页 |
| 4.2.2 OpenCL卷积池化模块FPGA实现设计 | 第54-56页 |
| 4.2.3 OpenCL全局平均池化模块实现模块设计 | 第56-57页 |
| 4.2.4 OpenCL全连接模块设计 | 第57页 |
| 4.3 FPFA的OpenCL程序移植 | 第57-61页 |
| 4.3.1 FPGA的OpenCL开发环境 | 第58页 |
| 4.3.2 调制识别算法的FPGA移植 | 第58-61页 |
| 4.4 FPGA实现结果与算法分类结果对比分析 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第68-70页 |
| 致谢 | 第70页 |
