| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第9-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 调制识别方法 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-20页 |
| 1.4 本文研究内容与章节安排 | 第20-22页 |
| 第二章 Alpha稳定分布的基本理论 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 Alpha稳定分布的概念 | 第22-24页 |
| 2.3 Alpha稳定分布随机序列的产生 | 第24-25页 |
| 2.4 Alpha稳定分布的概率密度函数 | 第25-27页 |
| 2.5 Alpha稳定分布的性质 | 第27-28页 |
| 2.6 分数低阶统计量 | 第28-30页 |
| 2.6.1 共变 | 第28-29页 |
| 2.6.2 分数低阶矩 | 第29-30页 |
| 2.6.3 负阶矩 | 第30页 |
| 2.7 本章小结 | 第30-32页 |
| 第三章 基于分数低阶模糊函数的调制识别 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 信号及噪声模型 | 第32-33页 |
| 3.3 分数低阶模糊函数 | 第33-35页 |
| 3.4 分数低阶模糊函数多普勒频移为零的切面 | 第35-37页 |
| 3.5 图像形状特征的提取 | 第37-41页 |
| 3.5.1 图像填充 | 第37-38页 |
| 3.5.2 图像的灰度化 | 第38页 |
| 3.5.3 图像的二值化 | 第38-39页 |
| 3.5.4 图像大小的归一化 | 第39页 |
| 3.5.5 图像分割 | 第39-40页 |
| 3.5.6 图像的Zernike矩特征提取 | 第40-41页 |
| 3.6 基于分数低阶模糊函数的调制识别步骤 | 第41-42页 |
| 3.7 仿真及分析 | 第42-46页 |
| 3.8 本章小结 | 第46-48页 |
| 第四章 基于复合假设检验的衰落信道下信号调制识别 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 基于核密度估计的噪声概率密度估计 | 第48-53页 |
| 4.2.1 模型建立 | 第48-49页 |
| 4.2.2 概率密度估计方法概述 | 第49页 |
| 4.2.3 核密度估计 | 第49-52页 |
| 4.2.4 Alpha稳定分布噪声的概率密度函数估计 | 第52-53页 |
| 4.3 ECM算法原理及步骤 | 第53-57页 |
| 4.4 基于复合假设检验的调制识别 | 第57页 |
| 4.5 仿真及分析 | 第57-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 全文总结 | 第62页 |
| 5.2 对未来研究的展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |