摘要 | 第1-6页 |
Abstract | 第6-15页 |
第1章 绪论 | 第15-35页 |
·课题来源及研究目的和意义 | 第15-23页 |
·国内外的研究现状及分析 | 第23-31页 |
·盲信噪比估计 | 第23-25页 |
·信道盲均衡 | 第25-27页 |
·调制方式分类识别 | 第27-31页 |
·本文主要研究内容和贡献 | 第31-35页 |
第2章 盲信噪比估计改进算法 | 第35-44页 |
·引言 | 第35页 |
·系统模型 | 第35-36页 |
·改进的SNR估计算法 | 第36-39页 |
·仿真结果 | 第39-43页 |
·AWGN信道 | 第39-41页 |
·衰落信道 | 第41-43页 |
·本章小结 | 第43-44页 |
第3章 信道盲均衡算法 | 第44-74页 |
·引言 | 第44-45页 |
·卫星传输信道分析 | 第45-49页 |
·星间链路信道 | 第45-47页 |
·星地信道 | 第47-49页 |
·高阶累积量 | 第49-52页 |
·高阶矩与高阶累积量 | 第49-50页 |
·高斯信号的高阶矩与高阶累积量 | 第50页 |
·高阶矩与高阶累积量的转换关系 | 第50-52页 |
·盲均衡数学描述 | 第52-53页 |
·均衡性能衡量准则 | 第53-54页 |
·超指数算法(SEM) | 第54-64页 |
·g域算法 | 第54-59页 |
·w域算法 | 第59-64页 |
·新颖的稳健超指数算法(NRSEM) | 第64-73页 |
·SISO模型 | 第65-66页 |
·NRSEM算法仿真(SISO) | 第66-68页 |
·SIMO模型 | 第68-71页 |
·NRSEM算法仿真(SIMO) | 第71-73页 |
·本章小结 | 第73-74页 |
第4章 调制方式分类识别理论分析 | 第74-85页 |
·引言 | 第74页 |
·卫星通信信号典型调制方式 | 第74-75页 |
·数字信号正交变换 | 第75-82页 |
·基于过采样正交变换 | 第75-76页 |
·基于欠采样正交变换 | 第76-82页 |
·数字信号的瞬时特征 | 第82-84页 |
·本章小结 | 第84-85页 |
第5章 调制方式分类识别算法研究 | 第85-119页 |
·引言 | 第85页 |
·平行判决树分类器 | 第85-86页 |
·基于支持向量机的分类器设计 | 第86-93页 |
·经验风险最小化归纳原则与结构风险最小化归纳原则 | 第87-89页 |
·支持向量机 | 第89-93页 |
·基于支持向量机的调制方式分类识别算法 | 第93-98页 |
·特征提取 | 第93-95页 |
·SVM调制识别步骤 | 第95页 |
·仿真结果 | 第95-98页 |
·支持向量机模糊网络SVMFN调制方式分类识别算法 | 第98-105页 |
·特征提取 | 第98-99页 |
·模糊积分 | 第99-102页 |
·模糊密度 | 第102-103页 |
·SVMFN的模型 | 第103页 |
·仿真结果 | 第103-105页 |
·支持向量机自适应调制方式分类识别算法 | 第105-108页 |
·自适应算法模型 | 第106页 |
·仿真结果 | 第106-108页 |
·基于小波和小波支持向量机的调制方式分类识别算法 | 第108-112页 |
·小波特征提取 | 第108-109页 |
·小波支持向量机 | 第109-110页 |
·改进的训练方法 | 第110页 |
·仿真结果 | 第110-112页 |
·算法分析与比较 | 第112-114页 |
·载波频率误差对识别率的影响分析 | 第114-117页 |
·本章小结 | 第117-119页 |
第6章 调制方式分类识别算法硬件平台试验 | 第119-130页 |
·调制方式分类识别试验系统介绍 | 第119-121页 |
·调制方式分类识别硬件平台试验算法 | 第121-127页 |
·样本长度和识别率的关系 | 第121-124页 |
·样本长度与处理速度的关系 | 第124-125页 |
·试验算法中特征值随信噪比的变化 | 第125-127页 |
·卫星通信信号调制方式分类识别半实物试验 | 第127-129页 |
·本章小结 | 第129-130页 |
结论 | 第130-132页 |
参考文献 | 第132-143页 |
攻读博士学位期间所发表的学术论文 | 第143-146页 |
致谢 | 第146-147页 |
个人简历 | 第147页 |
1 经历 | 第147页 |
2 科研工作 | 第147页 |