| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究的背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·粗糙集发展概况及研究现状 | 第11-12页 |
| ·调制识别发展概况及研究现状 | 第12-14页 |
| ·粗糙集与神经网络结合的必要性 | 第14页 |
| ·本文的研究内容及研究思路 | 第14-18页 |
| 第二章 通信信号调制识别的基础知识 | 第18-32页 |
| ·振幅键控(ASK) | 第18-20页 |
| ·二进制振幅键控(2ASK) | 第18-19页 |
| ·多进制振幅键控(MASK) | 第19-20页 |
| ·频移键控(FSK) | 第20-22页 |
| ·二进制频移键控(2FSK) | 第20-21页 |
| ·多进制频移键控(MFSK) | 第21-22页 |
| ·相移键控(PSK) | 第22-24页 |
| ·二进制相移键控(2PSK) | 第22-23页 |
| ·多进制相移键控(MPSK) | 第23-24页 |
| ·正交振幅调制(QAM) | 第24-26页 |
| ·通信信号的预处理 | 第26-31页 |
| ·Hilbert变换 | 第26-27页 |
| ·通信调制信号的预处理 | 第27-28页 |
| ·瞬时特征分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 通信调制信号的特征参数提取 | 第32-38页 |
| ·高阶累积量的理论基础 | 第32-34页 |
| ·随机向量的高阶矩和高阶累积量 | 第32-33页 |
| ·随机过程的高阶矩和高阶累积量 | 第33-34页 |
| ·调制信号的特征参数提取算法 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 通信调制信号特征选择算法 | 第38-50页 |
| ·邻域粗糙集的发展史 | 第38-39页 |
| ·领域粗糙集研究的必要性 | 第39页 |
| ·数值空间的粒化和逼近 | 第39-41页 |
| ·邻域基础上粒化 | 第39-41页 |
| ·邻域粗糙集逼近 | 第41页 |
| ·邻域决策系统 | 第41-43页 |
| ·邻域粗糙集的性质分析 | 第43页 |
| ·基于邻域模型的属性约简快速算法 | 第43-44页 |
| ·实验比较 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于神经网络的调制识别器设计 | 第50-58页 |
| ·人工神经网络的发展概况 | 第50-51页 |
| ·人工神经网络概述 | 第51页 |
| ·BP神经网络的模型与算法 | 第51-56页 |
| ·BP神经网络结构 | 第51-52页 |
| ·BP神经网络的学习 | 第52-53页 |
| ·BP神经网络的学习算法 | 第53-55页 |
| ·BP神经网络调制识别器设计分析 | 第55-56页 |
| ·基于粗糙集快速约简和神经网络的调制识别算法步骤 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 邻域粗糙集与神经网络相结合的调制识别应用 | 第58-74页 |
| ·实验的前期工作 | 第58页 |
| ·基于邻域粗糙集快速算法的调制信号特征参数选择 | 第58-59页 |
| ·不同的邻域大小阈值δ下的特征参数选择结果 | 第59-63页 |
| ·基于邻域粗集快速约简算法的调制信号BP网络识别结果 | 第63-72页 |
| ·本章小结 | 第72-74页 |
| 第七章 总结与展望 | 第74-76页 |
| ·本文所做的工作 | 第74页 |
| ·进一步的研究方向 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间发表的学术论文目录 | 第82页 |