教育论文网

基于深度学习的调制方式盲识别算法研究及实现

论文目录
摘要第1-6页
abstract第6-7页
缩略语表第10-11页
第一章 绪论第11-21页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究动态第12-17页
        1.2.1 基于特征提取的调制方式识别研究动态第12-14页
        1.2.2 基于概率论和似然估计的调制方式识别研究动态第14-15页
        1.2.3 基于深度学习的调制方式识别研究动态第15-17页
    1.3 本文研究内容及章节安排第17-21页
第二章 基于深度学习的调制方式盲识别算法理论研究第21-31页
    2.1 调制信号特征第21-26页
    2.2 全链接神经网络第26-27页
    2.3 激活函数第27-30页
    2.4 本章小结第30-31页
第三章 基于卷积神经网络的调制方式盲识别算法第31-48页
    3.1 卷积神经网络第31-33页
    3.2 CNN调制识别方案设计第33-38页
        3.2.1 种类拆分设计第34-37页
        3.2.2 数据格式设计第37-38页
        3.2.3 数据类型设计第38页
    3.3 数据集构建第38-40页
        3.3.1 仿真数据信息第39页
        3.3.2 仿真数据集构建第39-40页
        3.3.3 信号源数据产生第40页
    3.4 卷积神经网络构建第40-47页
        3.4.1 网络参数选择第40-42页
        3.4.2 网络构建第42-47页
    3.5 本章小结第47-48页
第四章 调制方式盲识别参数优化第48-61页
    4.1 基于贝叶斯参数优化算法的CNN超参数优化第48-55页
        4.1.1 贝叶斯参数优化算法第48-51页
        4.1.2 CNN超参数优化第51-55页
    4.2 网络模型优化第51-60页
        4.2.1 常用优化器第55-58页
        4.2.2 卷积神经网络优化第58-60页
    4.3 本章小结第60-61页
第五章 算法结果与分析第61-73页
    5.1 实验平台搭建第61-63页
    5.2 仿真结果与分析第63-68页
        5.2.1 数据格式对算法的影响第63-64页
        5.2.2 数据类型对算法的影响第64-65页
        5.2.3 算法结果与分析第61-68页
    5.3 实验结果与分析第68-71页
    5.4 算法对比分析第71-72页
    5.5 本章小结第72-73页
第六章 总结和展望第73-74页
    6.1 总结第73页
    6.2 展望第73-74页
致谢第74-75页
参考文献第75-78页

本篇论文共78页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 chenying** 提供,作者删除入口请点击这里