数字通信信号识别研究与参数提取
| 1 绪论 | 第1-11页 |
| ·引言 | 第6页 |
| ·研究背景 | 第6-7页 |
| ·发展概况 | 第7-10页 |
| ·本文主要内容简介 | 第10-11页 |
| 2 数字调制方式识别的理论基础 | 第11-26页 |
| ·数字调制方式 | 第11-13页 |
| ·幅度键控ASK | 第11-12页 |
| ·相移键控PSK | 第12-13页 |
| ·频移键控FSK | 第13页 |
| ·正交幅相键控QAM | 第13页 |
| ·调制信号基本参数的提取与估计 | 第13-20页 |
| ·调制信号瞬时参数的提取 | 第13-17页 |
| ·调制信号载频估计方法 | 第17-18页 |
| ·符号速率估计 | 第18-20页 |
| ·小波方法的特征参数提取 | 第20-24页 |
| ·调制信号的分形特征提取 | 第24-26页 |
| 3 高阶统计量理论基础 | 第26-32页 |
| ·高阶矩和高阶累积量的定义 | 第26-29页 |
| ·高阶矩和高阶累积量的转换关系 | 第29-31页 |
| ·高阶矩和高阶累积量的性质及应用 | 第31-32页 |
| 4 神经网络理论基础及应用 | 第32-42页 |
| ·神经网络模型 | 第32-35页 |
| ·生物神经元模型 | 第32-33页 |
| ·人工神经元模型 | 第33-34页 |
| ·人工神经网络模型及工作方式 | 第34-35页 |
| ·多层感知器(MLP)神经网络 | 第35-36页 |
| ·反向传播(BP)算法 | 第36-37页 |
| ·BP网络的设计分析 | 第37-39页 |
| ·隐含层数的分析 | 第37-38页 |
| ·隐含层内节点数的确定 | 第38-39页 |
| ·初始权值的选取 | 第39页 |
| ·学习速率的选取 | 第39页 |
| ·BP算法的若干改进 | 第39-41页 |
| ·加入动量项 | 第40页 |
| ·自适应学习率调整法 | 第40页 |
| ·Levenberg-Marquardt算法 | 第40-41页 |
| ·数字通信信号识别中神经网络的应用 | 第41-42页 |
| 5 数字调制方式的分层结构神经网络识别算法 | 第42-56页 |
| ·统计模式识别 | 第42-43页 |
| ·信号产生模型 | 第43-44页 |
| ·识别特征参数性质 | 第44-48页 |
| ·分层结构神经网络分类器 | 第48-51页 |
| ·数字通信信号识别的仿真实验 | 第51-55页 |
| ·数字通信信号的产生 | 第51页 |
| ·特征参数提取 | 第51-52页 |
| ·分层结构神经网络训练 | 第52-53页 |
| ·数字通信信号识别的仿真结果 | 第53-54页 |
| ·观测数据长度对识别性能的影响 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结束语 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录A | 第62-64页 |
| 附录B | 第64页 |
