第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究现状
1.2.1 基于最大似然比的方法
1.2.2 基于信号特征的模式识别方法
1.2.3 基于深度学习的调制识别方法
1.3 主要研究内容和章节安排
1.3.1 主要研究内容
1.3.2 本文章节安排
第二章 信号模型及神经网络理论
2.1 数字信号调制理论
2.1.1 MPSK
2.1.2 MQAM
2.1.3 MFSK
2.1.4 调制识别样本集
2.2 神经网络相关理论
2.2.1 神经网络训练过程
2.2.2 神经网络关键技术
2.3 本章小结
第三章 基于多维度特征和进化神经网络的调制识别研究
3.1 多维度特征提取方法
3.2 进化神经网络
3.2.1 遗传算法简述
3.2.2 进化神经网络算法设计
3.3 仿真实验与结果分析
3.3.1 实验方案
3.3.2 实验结果和分析
3.4 本章小结
第四章 多层面优化的CNN调制识别模型
4.1.1 卷积神经网络理论
4.1.2 卷积神经网络在调制识别中的运用
4.1.3 实验仿真和结果分析
4.2.1 对抗攻击和快速梯度攻击法
4.2.2 基于FGSM的信号样本增强
4.2.3 实验仿真和结果分析
4.3 基于连接型降噪自编码器的信号预处理
4.3.1 降噪自编码器
4.3.2 连接型卷积降噪自编码器的信号预处理
4.3.3 实验仿真与结果分析
4.4 深度进化卷积神经网络
4.4.1 深度进化卷积神经网络算法设计
4.4.2 多层面优化的CNN调制识别模型总方案
4.4.3 实验仿真与结果分析
4.5 本章小结
第五章 未知调制样式信号的识别研究
5.1.1 Triplet Loss损失函数
5.1.2 t-SNE降维可视化
5.2 未知调制样式信号的识别方案
5.3 实验仿真和结果分析
5.4 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 工作展望
致 谢
参考文献
攻硕期间的研究成果
电子科技大学;