自動(dòng)調(diào)制樣式分類(lèi)：原理、算法與應(yīng)用

第1章 概述 1
1.1 背景 1
1.2 應(yīng)用 2
1.2.1 軍用 2
1.2.2 民用 3
1.3 領(lǐng)域綜述與本書(shū)內(nèi)容簡(jiǎn)介 4
1.4 調(diào)制樣式與通信系統(tǒng)基礎(chǔ) 5
1.4.1 模擬系統(tǒng)及其調(diào)制樣式 5
1.4.2 數(shù)字系統(tǒng)及其調(diào)制樣式 8
1.4.3 不同信道效應(yīng)下的接收信號(hào) 12
1.5 小結(jié) 12
參考文獻(xiàn) 12
第2章 調(diào)制樣式分類(lèi)信號(hào)模型 14
2.1 引言 14
2.2 加性高斯白噪聲(AWGN)信道中的信號(hào)模型 15
2.2.1 I-Q分量的信號(hào)分布 16
2.2.2 信號(hào)相位的信號(hào)分布 17
2.2.3 信號(hào)幅度的信號(hào)分布 18
2.3 衰落信道中的信號(hào)模型 18
2.4 非高斯噪聲信道中的信號(hào)模型 20
2.4.1 米德?tīng)栴DA類(lèi)噪聲模型 20
2.4.2 對(duì)稱(chēng)??穩(wěn)定模型 21
2.4.3 混合高斯模型 21
2.5 小結(jié) 22
參考文獻(xiàn) 23
第3章 基于似然的分類(lèi)器 25
3.1 引言 25
3.2 最大似然分類(lèi)器 25
3.2.1 加性高斯白噪聲信道中的似然函數(shù) 25
3.2.2 衰落信道中的似然函數(shù) 27
3.2.3 非高斯噪聲信道中的似然函數(shù) 28
3.2.4 最大似然分類(lèi)決策 28
3.3 未知信道參數(shù)的似然比檢驗(yàn) 29
3.3.1 平均似然比檢驗(yàn) 29
3.3.2 廣義似然比檢驗(yàn) 30
3.3.3 混合似然比檢驗(yàn) 31
3.4 降低復(fù)雜度 32
3.4.1 離散似然比檢驗(yàn)與查找表 32
3.4.2 最小距離似然函數(shù) 32
3.4.3 非參數(shù)似然函數(shù) 33
3.5 小結(jié) 33
參考文獻(xiàn) 33
第4章 基于分布檢驗(yàn)的分類(lèi)器 35
4.1 引言 35
4.2 Kolmogorov–Smirnov(KS)檢驗(yàn)分類(lèi)器 36
4.2.1 KS檢驗(yàn)擬合優(yōu)度 36
4.2.2 單樣本KS檢驗(yàn)分類(lèi)器 37
4.2.3 雙樣本KS檢驗(yàn)分類(lèi)器 39
4.2.4 相位差分類(lèi)器 39
4.3 克萊默-馮?米塞斯檢驗(yàn)分類(lèi)器 40
4.4 安德森-達(dá)令檢驗(yàn)分類(lèi)器 41
4.5 優(yōu)化的分布采樣檢驗(yàn)分類(lèi)器 41
4.5.1 采樣位置優(yōu)化 42
4.5.2 分布采樣 43
4.5.3 分類(lèi)決策標(biāo)準(zhǔn) 43
4.5.4 調(diào)制樣式分類(lèi)決策 44
4.6 小結(jié) 44
參考文獻(xiàn) 45
第5章 調(diào)制樣式分類(lèi)的特征 47
5.1 引言 47
5.2 基于信號(hào)頻譜的特征 47
5.2.1 基于信號(hào)頻譜的特征 48
5.2.2 基于頻譜的具體特征 50
5.2.3 基于頻譜特征決策 50
5.2.4 決策門(mén)限優(yōu)化 51
5.3 基于小波變換的特征 52
5.4 基于高階統(tǒng)計(jì)的特征 54
5.4.1 基于高階矩的特征 54
5.4.2 基于高階累積量的特征 55
5.5 基于循環(huán)平穩(wěn)分析的特征 56
5.6 小結(jié) 57
參考文獻(xiàn) 58
第6章 利用機(jī)器學(xué)習(xí)實(shí)現(xiàn)調(diào)制樣式分類(lèi) 60
6.1 引言 60
6.2 k最近鄰分類(lèi)器 60
6.2.1 構(gòu)建參考特征空間 60
6.2.2 明確距離定義 61
6.2.3 k最近鄰決策 61
6.3 支持向量機(jī)分類(lèi)器 62
6.4 利用邏輯回歸實(shí)現(xiàn)信號(hào)特征組合 63
6.5 利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)信號(hào)特征組合 64
6.6 利用遺傳算法實(shí)現(xiàn)信號(hào)特征選擇 65
6.7 利用遺傳編程實(shí)現(xiàn)信號(hào)特征選擇與信號(hào)特征組合 66
6.7.1 樹(shù)狀結(jié)構(gòu)解 67
6.7.2 遺傳算子 68
6.7.3 適應(yīng)度評(píng)價(jià) 69
6.8 小結(jié) 70
參考文獻(xiàn) 70
第7章 盲調(diào)制樣式分類(lèi) 72
7.1 引言 72
7.2 利用基于似然分類(lèi)器實(shí)現(xiàn)期望最大化 72
7.2.1 期望值最大化評(píng)估器 73
7.2.2 最大似然分類(lèi)器 75
7.2.3 最小似然距離分類(lèi)器 75
7.3 最小距離質(zhì)心估計(jì)與非參數(shù)似然分類(lèi)器 76
7.3.1 最小距離質(zhì)心估計(jì) 76
7.3.2 非參數(shù)似然函數(shù) 78
7.4 小結(jié) 79
參考文獻(xiàn) 80
第8章 各種調(diào)制樣式分類(lèi)器的比較 82
8.1 簡(jiǎn)介 82
8.2 系統(tǒng)要求及適用的調(diào)制樣式 82
8.3 加性噪聲情況下的分類(lèi)準(zhǔn)確度 84
8.3.1 分類(lèi)器評(píng)價(jià)標(biāo)準(zhǔn) 85
8.3.2 加性高斯白噪聲信道中的性能比較 85
8.4 信號(hào)長(zhǎng)度有限情況下的分類(lèi)準(zhǔn)確度 90
8.5 存在相位偏移時(shí)的分類(lèi)魯棒性 94
8.6 存在頻率偏移時(shí)的分類(lèi)魯棒性 98
8.7 運(yùn)算復(fù)雜度 102
8.8 小結(jié) 103
參考文獻(xiàn) 103
第9章 民用調(diào)制樣式分類(lèi) 104
9.1 引言 104
9.2 對(duì)高階調(diào)制樣式的分類(lèi) 104
9.3 鏈路自適應(yīng)系統(tǒng)的調(diào)制樣式分類(lèi) 105
9.4 多輸入多輸出(MIMO)系統(tǒng)的調(diào)制樣式分類(lèi) 106
9.5 小結(jié) 110
參考文獻(xiàn) 110
第10章 軍用調(diào)制樣式分類(lèi)器設(shè)計(jì) 112
10.1 簡(jiǎn)介 112
10.2 調(diào)制樣式池未知情況下的調(diào)制樣式分類(lèi)器設(shè)計(jì) 112
10.3 低檢測(cè)概率信號(hào)調(diào)制樣式分類(lèi)器 114
10.3.1 直接序列擴(kuò)譜信號(hào)的調(diào)制樣式分類(lèi) 115
10.3.2 FHSS信號(hào)的調(diào)制樣式分類(lèi) 116
10.4 小結(jié) 117
參考文獻(xiàn) 117