| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 雷达信号调制识别技术的研究现状 | 第11-14页 |
| 1.2.2 支持向量机及参数寻优的研究现状 | 第14-15页 |
| 1.2.3 深度学习技术的发展及研究现状 | 第15-16页 |
| 1.3 论文主要研究内容及安排 | 第16-19页 |
| 第2章 雷达信号调制类型及其时频分析 | 第19-35页 |
| 2.1 雷达信号调制类型 | 第19-27页 |
| 2.1.1 常规信号 | 第19页 |
| 2.1.2 二相编码信号 | 第19-21页 |
| 2.1.3 线性调频信号 | 第21页 |
| 2.1.4 调频编码信号 | 第21-22页 |
| 2.1.5 多相编码信号 | 第22-27页 |
| 2.2 时频分析 | 第27-33页 |
| 2.2.1 时频分析概述 | 第27-28页 |
| 2.2.2 魏格纳时频分布 | 第28-29页 |
| 2.2.3 魏格纳时频分布的改进 | 第29-30页 |
| 2.2.4 仿真性能分析 | 第30-33页 |
| 2.3 本章小结 | 第33-35页 |
| 第3章 基于时频图像的支持向量机调制识别算法研究 | 第35-53页 |
| 3.1 时频图像预处理 | 第35-36页 |
| 3.2 时频图像人工特征提取 | 第36-39页 |
| 3.2.1 不变矩特征 | 第36-37页 |
| 3.2.2 伪Zernike矩特征 | 第37-38页 |
| 3.2.3 熵特征 | 第38-39页 |
| 3.2.4 主成分分析 | 第39页 |
| 3.3 支持向量机分类器及群智能寻优算法 | 第39-44页 |
| 3.3.1 非线性支持向量机 | 第40-41页 |
| 3.3.2 人工蜂群算法 | 第41-42页 |
| 3.3.3 粒子群算法 | 第42-44页 |
| 3.4 基于改进粒子群的支持向量机调制识别算法 | 第44-51页 |
| 3.4.1 基于支持向量机的调制识别 | 第45页 |
| 3.4.2 改进粒子群寻优算法基本思想 | 第45-47页 |
| 3.4.3 基于改进粒子群寻优的支持向量机调制识别仿真与分析 | 第47-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 基于时频图像的卷积神经网络调制识别算法研究 | 第53-75页 |
| 4.1 卷积神经网络 | 第53-60页 |
| 4.1.1 卷积神经网络的基本架构 | 第53-54页 |
| 4.1.2 卷积与池化运算 | 第54-56页 |
| 4.1.3 卷积神经网络的反向传播 | 第56-58页 |
| 4.1.4 卷积神经网络的激活函数 | 第58-60页 |
| 4.2 预训练卷积神经网络模型 | 第60-62页 |
| 4.2.1 预训练VGGNet网络模型 | 第60-61页 |
| 4.2.2 预训练GoogleNet网络模型 | 第61-62页 |
| 4.3 基于时频图像的特征迁移卷积神经网络调制识别算法研究 | 第62-66页 |
| 4.3.1 支持向量机与卷积神经网络Softmax分类器的关系 | 第63-64页 |
| 4.3.2 基于时频图像的FT-VGGNet-SVM调制识别算法 | 第64-65页 |
| 4.3.3 基于时频图像的FT-GoogleNet-SVM调制识别算法 | 第65-66页 |
| 4.4 基于时频图像的特征迁移卷积神经网络调制识别仿真分析 | 第66-73页 |
| 4.4.1 基于FT-VGGNet-SVM的调制识别仿真分析 | 第66-68页 |
| 4.4.2 基于FT-GoogleNet-SVM的调制识别仿真分析 | 第68-73页 |
| 4.5 本章小结 | 第73-75页 |
| 第5章 基于时频图像的多信号调制识别技术研究 | 第75-85页 |
| 5.1 分数阶FOURIER变换及其快速离散算法 | 第75-76页 |
| 5.1.1 分数阶Fourier变换 | 第75页 |
| 5.1.2 快速DFRFT方法 | 第75-76页 |
| 5.2 基于时频图像的多信号分离与调制识别方案 | 第76-78页 |
| 5.3 基于时频图像的多信号分离与调制识别仿真分析 | 第78-84页 |
| 5.3.1 多信号分离仿真分析 | 第78-83页 |
| 5.3.2 基于时频图像的联合分类器多信号调制识别结果分析 | 第83-84页 |
| 5.4 本章小结 | 第84-85页 |
| 结论 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第93-95页 |
| 致谢 | 第95页 |
