| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 引言 | 第8-16页 |
| ·调制信号识别简介 | 第8-9页 |
| ·调试识别发展历程 | 第9-13页 |
| ·判决论方法的发展 | 第9-10页 |
| ·统计模式识别方法的发展 | 第10-13页 |
| ·研究内容和主要工作 | 第13-15页 |
| ·主要研究内容 | 第13-14页 |
| ·拟采用的新方法和技术路线 | 第14页 |
| ·拟解决的关键问题 | 第14页 |
| ·预期实现的成果 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第二章 粗糙集的研究 | 第16-40页 |
| ·粗糙集理论的由来 | 第16页 |
| ·粗糙集理论基础 | 第16-25页 |
| ·粗糙集理论基本概念 | 第16-20页 |
| ·粗糙集知识约简 | 第20-22页 |
| ·粗糙集决策规则提取 | 第22-25页 |
| ·粗糙集模型的扩展 | 第25-32页 |
| ·可变精度粗糙集模型 | 第25-26页 |
| ·概率粗糙集模型 | 第26-27页 |
| ·模糊粗糙集模型 | 第27页 |
| ·不完备信息系统粗糙集模型 | 第27-32页 |
| ·基于集对分析方法的不完备模糊信息系统变精度粗糙集模型 | 第32-38页 |
| ·本章小结 | 第38-40页 |
| 第三章 神经网络应用于调制信号识别的研究 | 第40-58页 |
| ·引言 | 第40页 |
| ·神经网络基础理论 | 第40-45页 |
| ·神经网络概述 | 第41-43页 |
| ·RBF神经网络 | 第43-45页 |
| ·RBF神经网络分类器设计及仿真 | 第45-57页 |
| ·调制信号数学模型 | 第45-46页 |
| ·调制信号特征参数选取 | 第46-50页 |
| ·RBF神经网络分类器设计 | 第50-52页 |
| ·算法流程 | 第52-53页 |
| ·仿真实验及结果分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 粗糙集与神经网络相结合的调制信号识别 | 第58-70页 |
| ·引言 | 第58-60页 |
| ·粗糙集与神经网络集成的基础 | 第58-59页 |
| ·粗糙集与神经网络的集成方式 | 第59-60页 |
| ·连续属性的离散化 | 第60-62页 |
| ·现有离散化方法 | 第60-61页 |
| ·基于微粒群算法的连续属性离散化 | 第61-62页 |
| ·粗糙集与神经网络调制信号识别模型设计 | 第62-68页 |
| ·用粗糙集理论构造径向基函数神经网络 | 第62-63页 |
| ·基于VPRS和RBF神经网络数字信号调制识别的建模方法 | 第63-65页 |
| ·仿真实验及结果分析 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·后续的研究工作 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读研究生期间发表的学术论文 | 第78页 |