基于通信信号指纹的无人机个体识别

基于通信信号指纹的无人机个体识别
论文目录
摘要	第1-6页
abstract	第6-7页
第一章绪论	第11-16页
1.1 研究工作的背景与意义	第11-12页
1.2 国内外研究动态	第12-14页
1.3 本文的主要工作	第14-15页
1.4 本论文的结构安排	第15-16页
第二章无人机通信信号指纹机理分析	第16-35页
2.1 无人机系统分析	第16-23页
2.1.1 无人机机载通信系统	第17-19页
2.1.1.1 无人机通信信号制式	第17-18页
2.1.1.2 机载通信发射机组成	第18-19页
2.1.2 无人机机体力学振动分析	第19-23页
2.1.2.1 无人机动力学模型	第20-21页
2.1.2.2 无人机模态分析	第21-23页
2.1.2.3 无人机的振动环境	第23页
2.2 机械振动对机载通信设备的影响	第23-28页
2.2.1 相位噪声的定义与表征	第23-24页
2.2.2 振动对晶振相噪的影响	第24-27页
2.2.3 振动实验观察	第27-28页
2.3 无人机通信信号指纹特征研究方法	第28-34页
2.3.1 指纹特征模型	第28-31页
2.3.1.1 载频偏移	第29页
2.3.1.2 相位噪声	第29-30页
2.3.1.3 非线性特性	第30-31页
2.3.2 指纹特征的仿真	第31-33页
2.3.3 指纹特征的分析与验证	第33-34页
2.4 本章小结	第34-35页
第三章无人机个体信号指纹提取方法	第31-61页
3.1 基于VMD的复杂度特征提取	第35-51页
3.1.1 变分模态分解理论和算法	第35-38页
3.1.2 多尺度排列熵	第38-42页
3.1.2.1 排列熵算法	第38-39页
3.1.2.2 多尺度排列熵算法	第39页
3.1.2.3 改进的多尺度排列熵算法	第39-42页
3.1.3 主成分分析降维	第42-44页
3.1.4 基于VMD和 IMPE的指纹提取流程	第44-45页
3.1.5 仿真信号分析	第45-51页
3.1.5.1 无人机个体信号仿真	第45-46页
3.1.5.2 PCA降维前后的特征分析	第46-47页
3.1.5.3 MPE和 IMPE分类性能对比	第47-48页
3.1.5.4 不同指纹特征的聚类效果分析	第48-51页
3.2 双谱特征分析与提取	第51-59页
3.2.1 高阶谱理论与双谱分析	第51-54页
3.2.1.1 高阶谱定义与计算	第52-53页
3.2.1.2 信号双谱估计方法	第53页
3.2.1.3 个体信号双谱实验分析	第53-54页
3.2.2 积分双谱算法	第54-56页
3.2.3 基于最大比重区间的矩形积分双谱算法	第56-57页
3.2.4 仿真信号分析	第57-59页
3.2.4.1 SIB和改进的SIB分类性能对比	第57-58页
3.2.4.2 不同指纹特征参数的聚类效果实验	第58-59页
3.3 本章小结	第59-61页
第四章无人机个体识别实验	第61-75页
4.1 系统设计	第61页
4.2 无人机通信信号数据集的建立	第61-64页
4.2.1 无人机通信信号采集	第62-63页
4.2.2 数据预处理	第63-64页
4.3 基于机器学习的分类器算法	第64-71页
4.3.1 随机森林	第64-66页
4.3.1.1 Bagging方法	第64-65页
4.3.1.2 随机森林模型构建	第61-66页
4.3.2 概率神经网络	第66-69页
4.3.2.1 概率神经网络理论	第66-68页
4.3.2.2 概率神经网络模型	第68-69页
4.3.3 支持向量机	第69-70页
4.3.4 分类器性能度量	第70-71页
4.4 实验结果分析	第71-74页
4.4.1 不同分类器识别性能比较	第72-73页
4.4.2 基于局部特征和融合特征的无人机个体识别率比较	第73页
4.4.3 不同飞行状态下无人机个体识别率比较	第73-74页
4.5 本章小结	第74-75页
第五章全文总结与展望	第75-77页
5.1 全文总结	第75页
5.2 后续工作展望	第75-77页
致谢	第77-78页
参考文献	第78-80页
本篇论文共80页，点击这进入下载页面

客服QQ：304386486

目录由用户 yingyi** 提供，作者删除入口请点击这里