基于FLOCS的图域自动调制识别算法研究

目录

攻读专业硕士学位期间取得的成果

第一个书签之前

第一章 绪 论

1.1 研究工作的背景与意义

1.2 国内外研究历史与现状

1.2.1 Alpha稳定分布的研究历史与现状

1.2.2 AMC的研究历史与现状

1.2.3 AMCG的研究历史与现状

1.3 研究内容

1.4 本文的结构安排

第二章 总体研究思路和理论基础

2.1 算法的总体方案设计

2.2 Alpha稳定分布的相关理论

2.2.1 Alpha稳定分布的定义

2.2.2 Alpha稳定分布的性质

2.2.3 Alpha稳定分布适合描述非高斯信道的原因

2.2.4 混合信噪比的概念

2.3 分数低阶循环谱的相关理论

2.3.1 分数低阶统计量理论

2.3.2 分数低阶循环谱

2.4 Kullback-Leibler散度的相关理论

2.4.1 Kullback-Leibler散度的概念

2.4.2 Kullback-Leibler散度的性质

2.5 本章小结

第三章 基于FLOCS的图域自动调制识别算法

3.1 基于FLOCS的图域映射及表示

3.1.1 接收信号FLOCS的计算

3.1.2 图域映射及表示

3.2 基于可变尺度调制备选集的图域特征自动提取算法

3.2.1 训练信号的图域特征提取

3.2.2 测试信号的图域特征提取

3.3 基于汉明距离的图域分类器

3.4 本章小结

第四章 基于FLOCS的图域自动调制识别算法的性能分析

4.1 Pcc理论估计方法

4.1.1 概率密度函数的估计

4.1.2 Pcc的理论估计

4.1.3 可变尺度调制备选集Pcc的理论估计

4.2 算法的计算复杂度分析

4.2.1 基于FLOCS的图域自动调制识别算法的计算复杂度

4.2.2 基于FLOCS直观特征的识别算法的计算复杂度

4.2.3 两种算法的计算复杂度对比

4.3 算法的可扩展性分析

4.3.1 原始调制备选集的图域特征库

4.3.2 调制备选集尺度增大时的图域特征库更新

4.3.3 调制备选集尺度减小时的图域特征库更新

4.4 本章总结

第五章 基于FLOCS的图域自动调制识别算法的仿真验证

5.1 基于FLOCS的图域自动调制识别算法的仿真验证与分析

5.1.1 FLOCS的有效性仿真验证分析

5.1.2 算法的识别性能仿真验证与分析

5.2 基于FLOCS的图域自动调制识别算法抗干扰性能仿真验证与分析

5.2.2 特征提取数目对算法的影响

5.2.3 采样点数对算法的影响

5.2.4 频偏对算法的影响

5.2.5 定时误差对算法的影响

5.2.6 算法的抗干扰性能分析

5.3 仿真条件下算法的计算复杂度

5.4 Pcc理论估计公式的仿真验证与分析

5.4.1 Pcc理论估计方法的有效性验证与分析

5.4.2 调制备选集尺度变化时Pcc理论估计方法的有效性验证与分析

5.5 本章总结

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致 谢

参考文献

攻读专业硕士学位期间取得的成果