基于CNN架构的通信信号调制模式分类识别研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源及研究目的和意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 研究目的及意义 | 第10-11页 |
| 1.2 调制模式识别的研究现状 | 第11-13页 |
| 1.2.1 判决理论的方法 | 第11-12页 |
| 1.2.2 统计模式识别方法 | 第12-13页 |
| 1.3 CNN的研究现状 | 第13-15页 |
| 1.3.1 深度学习研究现状 | 第13-14页 |
| 1.3.2 CNN的研究现状 | 第14-15页 |
| 1.4 论文研究的主要内容及结构 | 第15-17页 |
| 第2章 基于CNN架构的通信调制识别理论基础 | 第17-35页 |
| 2.1 两种常用的调制方式 | 第17-18页 |
| 2.1.1 相移键控（PSK） | 第18页 |
| 2.1.2 正交幅度调制（QAM） | 第18页 |
| 2.2 CNN的相关理论 | 第18-28页 |
| 2.2.1 基于CNN架构的调制识别框架 | 第18-20页 |
| 2.2.2 人工神经元 | 第20-23页 |
| 2.2.3 CNN求解 | 第23-24页 |
| 2.2.4 梯度计算 | 第24-26页 |
| 2.2.5 softmax回归 | 第26-27页 |
| 2.2.6 CNN的优势 | 第27-28页 |
| 2.3 循环谱相关理论 | 第28-34页 |
| 2.3.1 循环平稳信号 | 第28-30页 |
| 2.3.2 循环谱 | 第30-31页 |
| 2.3.3 循环谱的估计算法 | 第31-33页 |
| 2.3.4 循环谱分析的特点 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于循环谱的通信调制信号特征提取 | 第35-45页 |
| 3.1 引言 | 第35页 |
| 3.2 MPSK信号的循环谱特征 | 第35-38页 |
| 3.3 MQAM信号的循环谱特征 | 第38-40页 |
| 3.4 循环谱图的预处理阶段 | 第40-43页 |
| 3.4.1 图像预处理技术 | 第40-41页 |
| 3.4.2 循环谱图预处理 | 第41-43页 |
| 3.5 数据集的选取与大小 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于CNN架构的通信调制模式分类识别算法 | 第45-59页 |
| 4.1 引言 | 第45-47页 |
| 4.2 基于CNN架构的调制模式分类识别算法 | 第47-53页 |
| 4.2.1 基于CNN的调制识别模型的设计 | 第47-49页 |
| 4.2.2 CNN架构的训练过程 | 第49页 |
| 4.2.3 实验中的信道模型 | 第49-50页 |
| 4.2.4 实验结果及分析 | 第50-53页 |
| 4.3 基于改进的CNN的调制模式分类识别算法 | 第53-58页 |
| 4.3.1 改进的CNN架构 | 第53-54页 |
| 4.3.2 改进的CNN架构的训练过程 | 第54-55页 |
| 4.3.3 实验结果及仿真分析 | 第55-58页 |
| 4.4 本章总结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第66页 |
