| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 引言 | 第12-14页 |
| 1.2 研究背景、现状、发展趋势 | 第14-18页 |
| 1.3 本文主要研究内容和安排 | 第18-20页 |
| 1.3.1 主要研究内容 | 第18-19页 |
| 1.3.2 结构安排 | 第19-20页 |
| 第二章 典型通信信号的调制原理及模式识别方法 | 第20-29页 |
| 2.1 典型通信信号的调制原理和分类 | 第20-24页 |
| 2.1.1 典型通信信号的调制原理 | 第20-23页 |
| 2.1.2 典型通信信号的分类 | 第23-24页 |
| 2.1.3 扩频通信 | 第24页 |
| 2.1.4 OFDM多载波调制通信 | 第24页 |
| 2.2 通信信号调制方式识别算法 | 第24-28页 |
| 2.2.1 循环累积量方法 | 第24-25页 |
| 2.2.2 时域方法 | 第25页 |
| 2.2.3 频域方法 | 第25-26页 |
| 2.2.4 时频分析方法 | 第26页 |
| 2.2.5 循环谱方法 | 第26-27页 |
| 2.2.6 高阶矩方法 | 第27页 |
| 2.2.7 星座图方法 | 第27页 |
| 2.2.8 分形域方法 | 第27-28页 |
| 2.3 分类规则 | 第28页 |
| 2.4 小结 | 第28-29页 |
| 第三章 基于调和平均分形盒维数的认知无线通信信号识别算法 | 第29-40页 |
| 3.1 基于模式识别理论的调制方式识别算法 | 第29页 |
| 3.2 分形理论 | 第29-31页 |
| 3.2.1 分形理论的创始和发展 | 第29-30页 |
| 3.2.2 分形的数学定义 | 第30页 |
| 3.2.3 分形的性质描述定义 | 第30-31页 |
| 3.3 分形维数定义和计算 | 第31-34页 |
| 3.3.1 分形盒维数的定义 | 第32页 |
| 3.3.2 分形盒维数的计算 | 第32-33页 |
| 3.3.3 高斯噪声信号和调制信号的分形盒维数 | 第33-34页 |
| 3.4 基于调和平均分形盒维数的认知无线通信信号识别算法设计 | 第34-39页 |
| 3.4.1 调和平均盒维数的定义 | 第34-35页 |
| 3.4.2 仿真结果分析 | 第35-39页 |
| 3.5 小结 | 第39-40页 |
| 第四章 基于高阶累积量和归一化峰度的信号调制类型识别算法 | 第40-52页 |
| 4.1 高阶累积量简述 | 第40-42页 |
| 4.1.1 高阶累积量定义 | 第40-41页 |
| 4.1.2 高阶累积量的性质 | 第41-42页 |
| 4.2 调制信号的累积量理论分析 | 第42-47页 |
| 4.2.1 MASK信号的高阶累积量理论值 | 第42-43页 |
| 4.2.2 MFSK信号的高阶累积量理论值 | 第43-44页 |
| 4.2.3 MPSK信号的高阶累积量理论值 | 第44-45页 |
| 4.2.4 MQAM信号的高阶累积量理论值 | 第45-46页 |
| 4.2.5 数字调制信号识别特征参数构造 | 第46-47页 |
| 4.2.6 归一化峰度 | 第47页 |
| 4.3 级联神经网络分类器的设计 | 第47-49页 |
| 4.3.1 径向基函数 | 第47页 |
| 4.3.2 径向基神经网络 | 第47-49页 |
| 4.4 仿真结果分析 | 第49-50页 |
| 4.5 小结 | 第50-52页 |
| 第五章 生物医学信号的识别与认知技术研究 | 第52-62页 |
| 5.1 生物医学信号简述 | 第52-55页 |
| 5.1.1 生物医学信号特点 | 第52-53页 |
| 5.1.2 生物医学信号处理主要过程 | 第53-55页 |
| 5.2 心电信号的识别算法 | 第55-61页 |
| 5.2.1 提取心电信号特征的方法 | 第55-56页 |
| 5.2.2 识别算法设计 | 第56-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 作者攻读学位期间发表的学术论文目录 | 第68页 |
