| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.1.1 民航地空对讲系统干扰问题 | 第16-17页 |
| 1.1.2 人工神经网络及深度学习 | 第17-18页 |
| 1.2 干扰检测方法的研究现状 | 第18-20页 |
| 1.3 本文的主要研究内容及安排 | 第20-22页 |
| 第二章 信号特征参数提取理论 | 第22-38页 |
| 2.1 信号特征域参数 | 第22-30页 |
| 2.1.1 信号时域特征 | 第22页 |
| 2.1.2 信号频域特征 | 第22-29页 |
| 2.1.3 信号星座图特征 | 第29-30页 |
| 2.2 统计量特征参数 | 第30-36页 |
| 2.2.1 近似熵 | 第30-32页 |
| 2.2.2 环形统计量 | 第32-33页 |
| 2.2.3 高阶累积量 | 第33-34页 |
| 2.2.4 峰态系数 | 第34-35页 |
| 2.2.5 Shintaro_K系数 | 第35-36页 |
| 2.3 本章小结 | 第36-38页 |
| 第三章 基于多类特征参数协同的干扰检测方法 | 第38-54页 |
| 3.1 引言 | 第38页 |
| 3.2 基于特征参数加权的干扰检测方法 | 第38-43页 |
| 3.2.1 信息熵的定义 | 第38-39页 |
| 3.2.2 方法设计流程 | 第39-41页 |
| 3.2.3 仿真结果分析 | 第41-43页 |
| 3.3 基于BP神经网络的干扰检测方法 | 第43-53页 |
| 3.3.1 本方法的设计流程 | 第44-45页 |
| 3.3.2 BP神经网络的框架搭建 | 第45-47页 |
| 3.3.3 网络输入层的处理 | 第47-48页 |
| 3.3.4 训练网络的实现 | 第48-51页 |
| 3.3.5 仿真结果分析 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于深度学习的干扰检测方法 | 第54-70页 |
| 4.1 深度学习概述 | 第54-57页 |
| 4.1.1 卷积神经网络 | 第54-57页 |
| 4.1.2 深度学习框架 | 第57页 |
| 4.2 基于深度学习的干扰检测方法 | 第57-64页 |
| 4.2.1 总体流程设计 | 第58-59页 |
| 4.2.2 构建干扰检测框架 | 第59-61页 |
| 4.2.3 处理数据集 | 第61-62页 |
| 4.2.4 优化网络模型 | 第62-64页 |
| 4.3 仿真分析 | 第64-68页 |
| 4.3.1 仿真环境搭建 | 第64-65页 |
| 4.3.2 仿真结果分析 | 第65-68页 |
| 4.4 本章小结 | 第68-70页 |
| 第五章 用于实际民航地空对讲系统的干扰检测实现方案 | 第70-86页 |
| 5.1 引言 | 第70页 |
| 5.2 用于民航地空对讲系统的干扰检测实现方案 | 第70-79页 |
| 5.2.1 本方案的实现流程 | 第70-71页 |
| 5.2.2 民航地空对讲系统的干扰类型 | 第71-72页 |
| 5.2.3 干扰的存在性检测 | 第72-74页 |
| 5.2.4 干扰的调制方式识别 | 第74-79页 |
| 5.3 仿真结果分析 | 第79-84页 |
| 5.3.1 干扰存在性检测的验证 | 第79-81页 |
| 5.3.2 干扰调制方式识别的验证 | 第81-84页 |
| 5.4 本章小结 | 第84-86页 |
| 第六章 总结和展望 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-94页 |
| 作者简介 | 第94-95页 |