| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 研究历史与现状 | 第10-12页 |
| 1.2.1 基于决策理论的最大似然假设检验方法 | 第10-11页 |
| 1.2.2 基于特征提取的统计模式识别方法 | 第11-12页 |
| 1.2.3 码速率估计方法 | 第12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第二章 复合调制信号时域和频域的特征分析 | 第14-27页 |
| 2.1 相移键控(PSK)信号特性分析 | 第14-18页 |
| 2.1.1 BPSK信号 | 第14-15页 |
| 2.1.2 QPSK信号 | 第15-17页 |
| 2.1.3 OQPSK信号 | 第17-18页 |
| 2.2 PSK/FM二次调制信号时域频域特性分析 | 第18-26页 |
| 2.2.1 BPSK/FM信号 | 第18-22页 |
| 2.2.2 QPSK/FM信号 | 第22-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于决策树的调制识别算法研究 | 第27-39页 |
| 3.1 复合调制信号盲识别系统架构 | 第27-28页 |
| 3.2 信号预处理 | 第28-33页 |
| 3.2.1 信号带宽和中心频率的粗估计 | 第29-30页 |
| 3.2.2 滤波抽取的多级实现 | 第30-32页 |
| 3.2.3 谱平滑处理 | 第32-33页 |
| 3.3 基于谱特征的调制类型识别决策树 | 第33-34页 |
| 3.4 仿真结果与分析 | 第34-38页 |
| 3.4.1 仿真测试信号集 | 第34-36页 |
| 3.4.2 调制识别率仿真结果与分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于卷积神经网络的调制识别算法研究 | 第39-52页 |
| 4.1 卷积神经网络算法 | 第39-42页 |
| 4.1.1 卷积神经网络正向传播各层分析 | 第39-41页 |
| 4.1.2 卷积神经网络误差反向传播算法 | 第41-42页 |
| 4.2 基于卷积神经网络算法的调制识别系统 | 第42-45页 |
| 4.3 基于卷积神经网络算法的调制识别算法仿真结果与分析 | 第45-51页 |
| 4.3.1 FM二次调制类内识别仿真结果 | 第45-46页 |
| 4.3.2 FM二次调制与单次调制的类间识别仿真结果 | 第46-48页 |
| 4.3.3 不同信噪比下的识别性能 | 第48页 |
| 4.3.4 不同训练样本数下的识别性能 | 第48-49页 |
| 4.3.5 不加池化层,不同数据长度下的识别性能 | 第49-50页 |
| 4.3.6 不同池化层大小下的识别性能 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 信号的参数估计 | 第52-63页 |
| 5.1 载波频率的估计 | 第52-53页 |
| 5.2 副载波频率的估计 | 第53-54页 |
| 5.3 码速率的估计 | 第54-59页 |
| 5.3.1 基于时域叠加瞬时自相关算法的码速率估计 | 第55-57页 |
| 5.3.2 基于平方谱的OQPSK码速率估计算法 | 第57-59页 |
| 5.4 参数估计仿真结果与分析 | 第59-62页 |
| 5.4.1 载频估计精度的测试 | 第59-61页 |
| 5.4.2 码速率估计精度的测试 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63-64页 |
| 6.2 未来展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
