| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 研究现状分析 | 第16-19页 |
| 1.3 论文主要工作 | 第19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 MIMO系统调制方式识别基础知识 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 MIMO技术基础 | 第21-24页 |
| 2.2.1 MIMO系统基本模型 | 第21-22页 |
| 2.2.2 MIMO系统空时传输模式 | 第22-23页 |
| 2.2.3 MIMO信道容量 | 第23-24页 |
| 2.3 MIMO系统调制方式识别基本问题 | 第24-27页 |
| 2.3.1 MIMO系统调制方式识别应用场景 | 第24-26页 |
| 2.3.2 MIMO系统调制方式识别基本假设 | 第26页 |
| 2.3.3 MIMO系统调制方式识别目标 | 第26-27页 |
| 2.4 MIMO系统调制方式识别经典算法原理 | 第27-33页 |
| 2.4.1 MIMO系统调制方式识别方法的基本分类 | 第27-28页 |
| 2.4.2 基于似然函数的调制方式识别方法基本原理 | 第28-29页 |
| 2.4.3 基于统计特征的调制方式识别方法基本原理 | 第29-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于随机森林的多特征融合的调制方式识别方法 | 第35-55页 |
| 3.1 引言 | 第35页 |
| 3.2 基于高阶累积量的调制方式识别特征提取 | 第35-42页 |
| 3.2.1 高阶矩与高阶累积量的定义与性质 | 第35-38页 |
| 3.2.2 高阶累积量的统计特性及其对MIMO调制识别的影响 | 第38-39页 |
| 3.2.3 常见调制方式高阶累积量特征提取 | 第39-42页 |
| 3.3 基于随机森林的分类判决准则构建 | 第42-46页 |
| 3.3.1 随机森林基本原理及构建方式 | 第42-45页 |
| 3.3.2 随机森林应用于MIMO调制识别的特性分析 | 第45-46页 |
| 3.4 仿真验证 | 第46-53页 |
| 3.4.1 仿真方案及条件 | 第46-47页 |
| 3.4.2 仿真结果及分析 | 第47-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于预选累积量的低复杂度调制方式识别方法 | 第55-73页 |
| 4.1 引言 | 第55页 |
| 4.2 基于特征矩阵联合近似对角化的MIMO盲均衡 | 第55-61页 |
| 4.2.1 特征矩阵联合近似对角化的基本原理 | 第55-59页 |
| 4.2.2 模糊度对MIMO系统调制方式识别的影响 | 第59-61页 |
| 4.3 基于支持向量机递归特征消除的调制方式分类特征选择 | 第61-64页 |
| 4.4 仿真验证 | 第64-72页 |
| 4.4.1 仿真方案及条件 | 第64页 |
| 4.4.2 仿真结果及分析 | 第64-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 论文总结 | 第73-74页 |
| 5.2 对未来工作的展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
