自動(dòng)調(diào)制樣式分類：原理、算法與應(yīng)用

定　價(jià)：￥39.00

作　者：	朱哲辰著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787121359156	出版時(shí)間：	2019-01-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	132	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)介紹了可用于通信信號(hào)自動(dòng)調(diào)制樣式分類的多種算法，包括過(guò)去20年開(kāi)發(fā)的主要方法。本書(shū)將相關(guān)算法系統(tǒng)地分為5類：基于似然的分類器、基于分布檢驗(yàn)的分類器、基于特征的分類器、機(jī)器學(xué)習(xí)輔助的分類器、盲調(diào)制樣式分類器。對(duì)于每一種調(diào)制樣式分類器，本書(shū)都列出了基本假設(shè)與系統(tǒng)需求，并利用數(shù)學(xué)表達(dá)式、圖示、編程偽碼等方式說(shuō)明了設(shè)計(jì)實(shí)現(xiàn)過(guò)程。最后，還通過(guò)理論分析和數(shù)值仿真實(shí)驗(yàn)兩種方式對(duì)各種自動(dòng)調(diào)制樣式分類器的性能進(jìn)行了比較。

作者簡(jiǎn)介

　　Zhechen Zhu于2010年在英國(guó)利物浦大學(xué)獲得電氣工程與電子學(xué)學(xué)士學(xué)位。畢業(yè)前，他還在中國(guó)西安交通大學(xué)-利物浦大學(xué)學(xué)習(xí)兩年。最近，他向英國(guó)布魯內(nèi)爾大學(xué)電子與計(jì)算機(jī)工程系遞交了博士學(xué)位論文。2009年以來(lái)，他與Asoke K. Nandi教授密切合作，研究調(diào)制樣式自動(dòng)分類。他們將先進(jìn)機(jī)器學(xué)習(xí)技術(shù)用于其研究成果，為復(fù)雜信道環(huán)境下的調(diào)制樣式自動(dòng)分類做出了巨大貢獻(xiàn)。他在該領(lǐng)域的研究論文已刊登于3份關(guān)鍵期刊上，并在多個(gè)高級(jí)別國(guó)際會(huì)議上做過(guò)匯報(bào)。

圖書(shū)目錄

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類噪聲模型 20
2.4.2 對(duì)稱??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章基于似然的分類器 25
3.1 引言 25
3.2 最大似然分類器 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)的分類器 35
4.1 引言 35
4.2 Kolmogorov–Smirnov(KS)檢驗(yàn)分類器 36
4.2.1 KS檢驗(yàn)擬合優(yōu)度 36
4.2.2 單樣本KS檢驗(yàn)分類器 37
4.2.3 雙樣本KS檢驗(yàn)分類器 39
4.2.4 相位差分類器 39
4.3 克萊默-馮?米塞斯檢驗(yàn)分類器 40
4.4 安德森-達(dá)令檢驗(yàn)分類器 41
4.5 優(yōu)化的分布采樣檢驗(yàn)分類器 41
4.5.1 采樣位置優(yōu)化 42
4.5.2 分布采樣 43
4.5.3 分類決策標(biāo)準(zhǔn) 43
4.5.4 調(diào)制樣式分類決策 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 60
6.1 引言 60
6.2 k最近鄰分類器 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 72
7.1 引言 72
7.2 利用基于似然分類器實(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 最大似然分類器 75
7.2.3 最小似然距離分類器 75
7.3 最小距離質(zhì)心估計(jì)與非參數(shù)似然分類器 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準(zhǔn)確度 84
8.3.1 分類器評(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準(zhǔn)確度 90
8.5 存在相位偏移時(shí)的分類魯棒性 94
8.6 存在頻率偏移時(shí)的分類魯棒性 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 104
9.1 引言 104
9.2 對(duì)高階調(diào)制樣式的分類 104
9.3 鏈路自適應(yīng)系統(tǒng)的調(diào)制樣式分類 105
9.4 多輸入多輸出(MIMO)系統(tǒng)的調(diào)制樣式分類 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)制樣式分類器設(shè)計(jì) 112
10.3 低檢測(cè)概率信號(hào)調(diào)制樣式分類器 114
10.3.1 直接序列擴(kuò)譜信號(hào)的調(diào)制樣式分類 115
10.3.2 FHSS信號(hào)的調(diào)制樣式分類 116
10.4 小結(jié) 117
參考文獻(xiàn) 117