| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 统计模式识别方法概述 | 第10-13页 |
| 1.2.1 特征提取方法的研究 | 第11-12页 |
| 1.2.2 分类器选择的研究 | 第12-13页 |
| 1.3 似然假设检验法概述 | 第13-14页 |
| 1.4 本文的结构及内容概要 | 第14-16页 |
| 第二章 基于信息融合的协作调制识别 | 第16-28页 |
| 2.1 协作识别中的信息融合技术 | 第16-24页 |
| 2.1.1 信息融合的定义 | 第16-17页 |
| 2.1.2 信息融合的优点 | 第17页 |
| 2.1.3 信息融合的关键问题 | 第17-18页 |
| 2.1.4 信息融合的系统模型 | 第18-21页 |
| 2.1.5 信息融合的算法 | 第21-24页 |
| 2.2 协作调制识别的模型分析 | 第24-27页 |
| 2.2.1 点集中式协作模型 | 第26页 |
| 2.2.2 簇集中式协作模型 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于多类特征参数和改进D-S证据理论的协作调制识别 | 第28-41页 |
| 3.1 改进D-S证据理论法 | 第28-29页 |
| 3.2 系统模型 | 第29-30页 |
| 3.3 特征提取 | 第30-33页 |
| 3.3.1 基于瞬时信息的特征提取 | 第30-32页 |
| 3.3.2 基于小波分解系数和高阶累积量的特征提取 | 第32-33页 |
| 3.4 改进D-S证据理论融合 | 第33-35页 |
| 3.5 仿真结果与分析 | 第35-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于相关性分簇的两级融合调制识别算法 | 第41-50页 |
| 4.1 特征提取 | 第41-43页 |
| 4.1.1 小波变换特征提取 | 第41-42页 |
| 4.1.2 瞬时特征参数提取 | 第42-43页 |
| 4.2 自适应协作调制识别方案 | 第43页 |
| 4.3 分簇系统模型 | 第43-46页 |
| 4.4 仿真结果及分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于最大似然的协作调制识别 | 第50-63页 |
| 5.1 似然函数的简化 | 第50-56页 |
| 5.1.1 似然函数表达式 | 第50-51页 |
| 5.1.2 似然函数简化 | 第51-56页 |
| 5.2 基于最大似然的协作调制识别 | 第56-59页 |
| 5.2.1 基于最大似然的协作调制识别 | 第56-59页 |
| 5.3 仿真结果 | 第59-61页 |
| 5.3.1 各种概率密度函数性能仿真 | 第59-61页 |
| 5.3.2 基于最大似然的协作调制识别性能仿真 | 第61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-66页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 未来的研究工作 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 附录1 程序清单 | 第69-71页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 附录3 攻读硕士学位期间申请的专利 | 第72-73页 |
| 附录4 攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |