| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-11页 |
| §1.1 通信对抗概述 | 第7-8页 |
| §1.2 本课题的研究背景和目的 | 第8-9页 |
| §1.3 国内外发展现状和论文工作 | 第9-11页 |
| 1.3.1 国内外发展现状 | 第9页 |
| 1.3.2 论文的研究工作及内容组织 | 第9-11页 |
| 第二章 Hilbert-Huang变换和神经网络概述 | 第11-23页 |
| §2.1 经典傅氏分析的局限性 | 第11-12页 |
| §2.2 几种常见非平稳数据序列的处理方法回顾 | 第12-14页 |
| §2.3 经验模式函数及Hilbert-Huang变换 | 第14-18页 |
| 2.3.1 瞬时频率 | 第14-15页 |
| 2.3.2 内蕴模式函数 | 第15页 |
| 2.3.3 经验模式分解 | 第15-17页 |
| 2.3.4 Hilbert谱 | 第17-18页 |
| 2.3.5 Hilbert-Huang变换 | 第18页 |
| §2.4 神经网络模型 | 第18-23页 |
| 第三章 盲侦察信号特征提取与匹配系统 | 第23-33页 |
| §3.1 旧式通信侦察系统原理与盲侦察系统的提出 | 第23-24页 |
| §3.2 盲侦察信号特征提取系统 | 第24-26页 |
| 3.2.1 全息特征的选取 | 第24页 |
| 3.2.2 特征提取方法 | 第24-26页 |
| §3.3 信号侦察特征匹配系统 | 第26-31页 |
| 3.3.1 信号匹配方法与径向基函数神经网络的选择 | 第26-27页 |
| 3.3.2 径向基函数神经网络介绍 | 第27-28页 |
| 3.3.3 隐含层训练算法 | 第28-29页 |
| 3.3.4 输出层训练算法 | 第29-30页 |
| 3.3.5 匹配系统基本思想 | 第30-31页 |
| §3.4 特征提取与匹配系统 | 第31-33页 |
| 第四章 盲侦察特征提取与匹配系统关键算法研究 | 第33-45页 |
| §4.1 时频向量压缩算法研究 | 第33-36页 |
| 4.1.1 时间序列的分段线性表示(PLR)模型及相关算法 | 第33-35页 |
| 4.1.2 选取Bottom-Up分段线性表示法进行瞬时参量压缩 | 第35页 |
| 4.1.3 时频向量压缩算法 | 第35-36页 |
| §4.2 信号特征矢量匹配算法 | 第36-38页 |
| 4.2.1 网络结构和训练目标向量的选择 | 第36-37页 |
| 4.2.2 信号特征向量匹配算法步骤 | 第37-38页 |
| §4.3 信号压缩算法分析与仿真 | 第38-42页 |
| §4.4 信号匹配算法仿真结果及分析 | 第42-43页 |
| §4.5 小结 | 第43-45页 |
| 第五章 Hilbert-Huang变换在信号盲侦察中的应用 | 第45-55页 |
| §5.1 运用HHT变换进行MFSK信号侦察分类 | 第45-48页 |
| 5.1.1 频率提取 | 第45-46页 |
| 5.1.2 基于模式聚类的信号分类 | 第46页 |
| 5.1.3 算法仿真结果 | 第46-48页 |
| 5.1.4 仿真结果分析 | 第48页 |
| §5.2 基于HHT变换的LFM信号分离与参数估计 | 第48-53页 |
| 5.2.1 多分量LFM信号的分离 | 第49-51页 |
| 5.2.2 多分量LFM信号的参数检测 | 第51-53页 |
| 5.2.3 多分量LFM信号参数估计实验 | 第53页 |
| §5.3 小结 | 第53-55页 |
| 结束语 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者在读期间的研究成果 | 第60-61页 |
