| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 缩略词表 | 第13-14页 |
| 主要数学符号表 | 第14-15页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 国内外研究历史与现状 | 第17-22页 |
| 1.2.1 时频变换与滤波技术 | 第18-19页 |
| 1.2.2 共信道ICA技术 | 第19-21页 |
| 1.2.3 共信道贝叶斯估计技术 | 第21-22页 |
| 1.3 研究内容与章节安排 | 第22-24页 |
| 第二章 时频域多分量信号分析识别的理论框架 | 第24-42页 |
| 2.1 时频域多分量信号建模 | 第24-27页 |
| 2.2 分析识别的研究原理 | 第27-35页 |
| 2.3 分析识别的算法原理 | 第35-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 基于分数阶傅里叶谱峭度的多LFM信号分析识别 | 第42-56页 |
| 3.1 信号模型 | 第42页 |
| 3.2 分数阶傅里叶变换的圆特性 | 第42-47页 |
| 3.2.1 圆特性 | 第43-44页 |
| 3.2.2 离散FRFT的圆性 | 第44-47页 |
| 3.3 分数阶傅里叶谱峭度 | 第47-51页 |
| 3.3.1 高斯白噪声的FRFSK | 第47-48页 |
| 3.3.2 单频信号的FRFSK | 第48-49页 |
| 3.3.3 单个LFM信号的FRFSK | 第49-51页 |
| 3.4 仿真分析 | 第51-55页 |
| 3.4.1 算法步骤 | 第51-53页 |
| 3.4.2 仿真实验 | 第53-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于自适应短时分数阶傅里叶变换的多NLFM信号分析识别 | 第56-71页 |
| 4.1 信号模型 | 第56-58页 |
| 4.2 基于分数阶傅里叶谱峭度的自适应短时分数阶傅里叶变换算法 | 第58-67页 |
| 4.2.1 旋转高斯窗的谱密度 | 第59-61页 |
| 4.2.2 ASTFRFT的非圆特性及修正 | 第61-64页 |
| 4.2.3 最优窗的参数选择 | 第64-67页 |
| 4.3 仿真分析 | 第67-70页 |
| 4.3.1 算法步骤 | 第67-68页 |
| 4.3.2 仿真实验 | 第68-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第五章 多个非线性非平稳时间序列分析识别 | 第71-87页 |
| 5.1 信号模型 | 第71-72页 |
| 5.2 基于高阶SCICA的分析识别算法 | 第72-81页 |
| 5.2.1 基于高阶BG算法的非平稳检测和分割 | 第73-76页 |
| 5.2.2 基于高阶相空间重构算法的多通道建模 | 第76-81页 |
| 5.2.3 盲源分离 | 第81页 |
| 5.3 仿真分析 | 第81-86页 |
| 5.3.1 算法步骤 | 第81-82页 |
| 5.3.2 仿真实验 | 第82-86页 |
| 5.4 本章小结 | 第86-87页 |
| 第六章 多个数字相位调制信号分析识别 | 第87-102页 |
| 6.1 信号模型 | 第87-88页 |
| 6.2 数字相位调制信号的周期性和独立性 | 第88-93页 |
| 6.2.1 数字相位调制信号的周期性分析 | 第88-92页 |
| 6.2.2 数字相位调制信号的独立性分析 | 第92-93页 |
| 6.3 多个数字相位调制信号的分析识别算法 | 第93-97页 |
| 6.3.1 基于高阶奇异值分解的多通道建模 | 第94-95页 |
| 6.3.2 盲源分离 | 第95-96页 |
| 6.3.3 码元序列估计 | 第96-97页 |
| 6.4 仿真分析 | 第97-101页 |
| 6.4.1 算法步骤 | 第97页 |
| 6.4.2 仿真实验 | 第97-101页 |
| 6.5 本章小结 | 第101-102页 |
| 第七章 全文总结与展望 | 第102-104页 |
| 7.1 全文总结 | 第102-103页 |
| 7.2 后续工作展望 | 第103-104页 |
| 致谢 | 第104-105页 |
| 参考文献 | 第105-116页 |
| 攻读博士学位期间取得的成果 | 第116-117页 |
