基于改进蚁群算法与神经网络的调制识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-25页 |
| ·研究背景 | 第10页 |
| ·研究现状 | 第10-11页 |
| ·一些常用的调制识别算法 | 第11-22页 |
| ·本文的研究内容 | 第22-25页 |
| 2 简单蚁群算法 | 第25-34页 |
| ·蚁群算法介绍及国内研究现状 | 第25-31页 |
| ·蚁群算法的优缺点分析 | 第31-32页 |
| ·小结 | 第32-34页 |
| 3 改进的蚁群算法 | 第34-56页 |
| ·改进的蚁群算法描述 | 第34-41页 |
| ·算法中重要参数的研究 | 第41-47页 |
| ·算法收敛性分析 | 第47-52页 |
| ·实验仿真 | 第52-54页 |
| ·小结 | 第54-56页 |
| 4 改进蚁群算法与遗传算法的融合 | 第56-85页 |
| ·遗传算法介绍 | 第57-58页 |
| ·遗传算法的优缺点分析 | 第58-59页 |
| ·改进蚁群算法与遗传算法的结合 | 第59-68页 |
| ·混合遗传-蚁群算法的马尔科夫模型收敛性分析 | 第68-79页 |
| ·仿真实验及性能分析 | 第79-83页 |
| ·小结 | 第83-85页 |
| 5 混合遗传-改进蚁群算法在调制识别中的应用研究 | 第85-122页 |
| ·调制信号模型的表示以及特征参数的提取 | 第86-90页 |
| ·MLP神经网络分类器模型 | 第90-93页 |
| ·混合遗传-改进蚁群算法中遗传算法的设计与应用 | 第93-97页 |
| ·动态临界点的确定 | 第97页 |
| ·混合遗传-改进蚁群算法中蚁群算法的设计与应用 | 第97-102页 |
| ·应用于调制信号特征的分类仿真实验 | 第102-107页 |
| ·性能分析 | 第107-115页 |
| ·与其他分类器的性能对比 | 第115-121页 |
| ·小结 | 第121-122页 |
| 6 总结与展望 | 第122-126页 |
| ·本文研究工作总结 | 第122-124页 |
| ·未来研究展望 | 第124-126页 |
| 致谢 | 第126-127页 |
| 参考文献 | 第127-138页 |
| 附录1 读博士期间发表的论文 | 第138-139页 |
| 附录2 英文缩写释义一览表 | 第139页 |
