声明
缩略词表
第一章 绪论
1.1 研究背景及意义
1.2 常用信号识别算法简介
1.2.1 基于信号瞬时特征的识别算法
1.2.2 基于高阶累计量的识别算法
1.2.3 基于其他特征的信号识别算法
1.3 信号源定位算法简介
1.3.1 RSS算法
1.3.2 指纹定位
1.3.3 基于TOA的定位
1.3.4 基于AOA的定位
1.4 分类器结构概述
1.5 论文结构及内容
第二章 常用分类特征及其仿真
2.1 直接基于信号本身物理性质的特征值
2.2 基于高阶累积量的信号识别方法
2.3 本章小结
第三章 基于时长与频谱的信号识别算法
3.1 2.4GHz频段常见信号简介
3.1.1 蓝牙
3.1.2 802.15.4信号
3.1.3 视频摄像机
3.1.4无绳电话
3.1.5 脉冲雷达信号
3.1.6 微波炉
3.1.7 Wi-Fi信号
3.2 基于时长的信号识别算法
3.3 基于带宽的信号识别算法
3.4 基于帧长度与时频域特征的分类器构建
3.5 基于功率谱瀑布图的信号识别算法
3.6 基于支持向量机的信号识别算法
3.6.1 支持向量机分类算法数学原理
3.6.2 基于支持向量机的2.4GHz频段信号识别算法
3.7 本章小结
第四章 定位算法
4.1 定位算法
4.1.1 RSSI移动定位
4.1.2 Log-Normal 模型
4.1.3 最大似然估计定位算法
4.1.4最小二乘法定位算法
4.1.5 三角质心法
4.2 定位算法的实现
4.3 本章小结
第五章 测试系统
5.1 系统组成
5.2 信号识别
5.3 信号源定位系统
5.4 实验结果
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2展望
致谢
参考文献
研究生期间的研究成果
电子科技大学;