常用数字信号调制样式的自动识别
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9-10页 |
| ·调制技术发展概况和研究现状 | 第10-12页 |
| ·最大似然方法 | 第10-11页 |
| ·统计模式识别方法 | 第11-12页 |
| ·论文的研究内容及章节安排 | 第12-14页 |
| 第2章 通信信号的理论基础及参数估计 | 第14-21页 |
| ·调制的基本概念 | 第14页 |
| ·数字通信信号的调制方式 | 第14-17页 |
| ·幅度键控方式 | 第14-15页 |
| ·相移键控方式 | 第15页 |
| ·频移键控方式 | 第15-16页 |
| ·正交幅度调制方式 | 第16-17页 |
| ·通信信号的参数估计 | 第17-20页 |
| ·瞬时参数提取 | 第17-18页 |
| ·载波频率估计 | 第18-19页 |
| ·码元速率估计 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于高阶累积量的调制样式识别 | 第21-41页 |
| ·高阶累积量的理论基础 | 第21-28页 |
| ·高阶矩和高阶累积量的定义 | 第21-25页 |
| ·高阶矩和高阶累积量的转换关系 | 第25-27页 |
| ·高阶矩和高阶累积量的性质和应用 | 第27-28页 |
| ·基于高阶累积量的特征提取 | 第28-36页 |
| ·通信信号的高阶累积量的值 | 第28-34页 |
| ·识别参数的提取 | 第34-36页 |
| ·基于高阶累积量的信号识别 | 第36-40页 |
| ·信号的识别流程 | 第36-37页 |
| ·仿真实验与分析结果 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 支持向量机分类器 | 第41-52页 |
| ·统计学习理论 | 第41-43页 |
| ·VC 维理论 | 第41-42页 |
| ·结构风险最小化 | 第42-43页 |
| ·支持向量机 | 第43-51页 |
| ·支持向量机的基本思想 | 第43-46页 |
| ·支持向量机的多分类问题 | 第46-48页 |
| ·基于类距离的二叉树SVM 多分类算法 | 第48-49页 |
| ·最小二乘支持向量机分类算法 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于支持向量机的信号调制样式识别 | 第52-60页 |
| ·概述 | 第52页 |
| ·基于最小二乘支持向量机的识别 | 第52-54页 |
| ·基于二叉树支持向量机的信号识别 | 第54-57页 |
| ·基于DSP 的信号识别设计思路 | 第57-59页 |
| ·系统结构 | 第57-58页 |
| ·识别方法的实现 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 结束语 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间取得的科研成果 | 第66页 |
