| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-24页 |
| ·背景及意义 | 第7页 |
| ·相关理论基础 | 第7-20页 |
| ·凸优化理论简介 | 第8-9页 |
| ·压缩感知理论 | 第9-15页 |
| ·低秩矩阵恢复理论 | 第15-18页 |
| ·支持向量机简介 | 第18-20页 |
| ·研究现状 | 第20-22页 |
| ·基于Nyquist采样的调制识别及参数估计方法 | 第20-21页 |
| ·基于压缩感知的调制识别及参数估计方法 | 第21-22页 |
| ·本文主要研究内容 | 第22-24页 |
| 第二章 PSK信号高阶统计量的功率谱特征 | 第24-34页 |
| ·PSK信号模型 | 第24-25页 |
| ·PSK信号高阶统计量功率谱特征 | 第25-32页 |
| ·PSK信号调制识别及参数估计方法 | 第32-33页 |
| ·PSK信号调制识别策略 | 第33页 |
| ·PSK参数估计策略 | 第33页 |
| ·小结 | 第33-34页 |
| 第三章 基于高阶统计量压缩感知模型的PSK信号调制识别及参数估计方法 | 第34-44页 |
| ·高次方信号压缩采样方案 | 第34-39页 |
| ·方案介绍 | 第34-37页 |
| ·仿真验证 | 第37-39页 |
| ·非均匀压缩采样方案 | 第39-43页 |
| ·方案介绍 | 第39-41页 |
| ·仿真验证 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第四章 基于高阶统计量低秩模型的PSK信号调制识别及参数估计方法 | 第44-57页 |
| ·正弦信号的AR模型 | 第44页 |
| ·数据矩阵的低秩结构 | 第44-46页 |
| ·高阶统计量的低秩矩阵恢复理论建模 | 第46-48页 |
| ·截断的奇异值域值算法(TSVT) | 第48-49页 |
| ·基于TSVT的调制识别及参数估计方法 | 第49-51页 |
| ·仿真验证 | 第51-54页 |
| ·小样本 | 第51-53页 |
| ·大样本 | 第53-54页 |
| ·低秩模型与L_1优化模型的比较 | 第54-56页 |
| ·压缩率 | 第55页 |
| ·计算复杂度 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第五章 基于有限字符集压缩感知模型的PSK信号调制识别方法 | 第57-70页 |
| ·有限字符集特征 | 第57-59页 |
| ·有限字符集特征压缩感知模型 | 第59-63页 |
| ·有限字符集特征压缩感知模型的扩展 | 第63-66页 |
| ·其它调制样式 | 第63-66页 |
| ·多信号的有限字符集压缩感知模型 | 第66页 |
| ·基于有限字符集压缩感知模型的PSK信号调制识别方法 | 第66-67页 |
| ·讨论 | 第67-68页 |
| ·仿真验证 | 第68-69页 |
| ·小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-73页 |
| ·全文总结 | 第70-71页 |
| ·研究展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 附录A 硕士研究生期间发表学术论文情况 | 第82-83页 |
| 附录B 硕士研究生期间获奖情况 | 第83页 |
