基于神经网络的信号调制识别技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.2.1 信号调制方式识别研究现状 | 第17-19页 |
| 1.2.2 特征参数提取研究现状 | 第19-20页 |
| 1.2.3 分类器研究现状 | 第20-21页 |
| 1.3 本文的研究内容与安排 | 第21-24页 |
| 第二章 信号调制识别理论 | 第24-38页 |
| 2.1 通信信号调制方式 | 第24-29页 |
| 2.1.1 信号分析的基础 | 第24-25页 |
| 2.1.2 常用的数字调制方式 | 第25-29页 |
| 2.2 调制识别的分类器研究 | 第29-36页 |
| 2.2.1 有监督学习和无监督学习 | 第29-30页 |
| 2.2.2 BP神经网络算法 | 第30-31页 |
| 2.2.3 深度学习神经网络 | 第31-36页 |
| 2.3 本章小结 | 第36-38页 |
| 第三章 调制信号特征参数 | 第38-58页 |
| 3.1 特征参数 | 第38-55页 |
| 3.1.1 瞬时信息特征参数 | 第38-44页 |
| 3.1.2 连续小波变换特征参数 | 第44-49页 |
| 3.1.3 高阶统计量特征参数 | 第49-51页 |
| 3.1.4 频域特征参数 | 第51-55页 |
| 3.2 特征参数集对比选取 | 第55-56页 |
| 3.3 本章小结 | 第56-58页 |
| 第四章 基于BP神经网络的调制方式识别 | 第58-64页 |
| 4.1 BP神经网络训练过程 | 第58-61页 |
| 4.2 仿真结果分析 | 第61-63页 |
| 4.2.1 识别流程与参数设置 | 第61-62页 |
| 4.2.2 仿真结果分析 | 第62-63页 |
| 4.3 本章小结 | 第63-64页 |
| 第五章 基于DBN网络的调制方式识别 | 第64-72页 |
| 5.1 DBN网络训练过程 | 第64-68页 |
| 5.1.1 梯度计算 | 第64-67页 |
| 5.1.2 基于对比散度的快速学习算法 | 第67-68页 |
| 5.2 仿真结果分析与对比 | 第68-71页 |
| 5.2.1 识别流程与参数设置 | 第68-69页 |
| 5.2.2 仿真结果分析 | 第69-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第六章 总结和展望 | 第72-74页 |
| 6.1 论文总结 | 第72页 |
| 6.2 未来工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |
