跳频通信系统中的干扰识别技术研究
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12-15页 |
第一章 绪论 | 第15-23页 |
1.1 研究背景与意义 | 第15-17页 |
1.2 国内外研究现状 | 第17-20页 |
1.3 文章主要内容与章节安排 | 第20-23页 |
第二章 跳频通信中的干扰类型 | 第23-35页 |
2.1 噪声干扰 | 第24-28页 |
2.1.1 宽带噪声干扰 | 第24-25页 |
2.1.2 窄带噪声干扰 | 第25-26页 |
2.1.3 部分频带干扰 | 第26-28页 |
2.2 音频干扰 | 第28-30页 |
2.2.1 单音干扰 | 第28-29页 |
2.2.2 多音干扰 | 第29-30页 |
2.3 扫频干扰 | 第30-31页 |
2.4 脉冲干扰 | 第31-32页 |
2.5 干扰信号建模总结 | 第32-35页 |
第三章 干扰识别的方法研究 | 第35-43页 |
3.1 干扰识别的基本方法 | 第35-36页 |
3.2 特征参数提取 | 第36-43页 |
3.2.1 能限因子 | 第36-37页 |
3.2.2 归一化频谱带宽 | 第37-38页 |
3.2.3 载波因子系数 | 第38页 |
3.2.4 归一化频谱峰度 | 第38-40页 |
3.2.5 归一化频谱平坦度 | 第40-41页 |
3.2.6 时域峰平比 | 第41页 |
3.2.7 分数阶傅立叶域能量聚集度 | 第41-42页 |
3.2.8 特征参数提取总结 | 第42-43页 |
第四章 干扰信号的分类器设计 | 第43-69页 |
4.1 分类器原理 | 第43-55页 |
4.1.1 BP神经网络模型 | 第43-50页 |
4.1.2 决策树模型 | 第50-55页 |
4.2 基于BP神经网络的干扰分类器设计 | 第55-60页 |
4.2.1 方案概述 | 第55页 |
4.2.2 具体方案实现 | 第55-57页 |
4.2.3 仿真与性能 | 第57-60页 |
4.3 基于决策树模型的干扰分类器设计 | 第60-66页 |
4.3.1 方案概述 | 第60-61页 |
4.3.2 具体方案实现 | 第61-62页 |
4.3.3 性能与仿真 | 第62-66页 |
4.4 两种干扰分类器的性能对比 | 第66-69页 |
第五章 总结与展望 | 第69-71页 |
参考文献 | 第71-75页 |
致谢 | 第75-77页 |
作者简介 | 第77-78页 |