自動調制樣式分類：原理、算法與應用

定　價：￥39.00

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

購買這本書可以去

ISBN：	9787121359156	出版時間：	2019-01-01	包裝：	平裝
開本：	16開	頁數：	132	字數：

內容簡介

　　本書介紹了可用于通信信號自動調制樣式分類的多種算法，包括過去20年開發(fā)的主要方法。本書將相關算法系統(tǒng)地分為5類：基于似然的分類器、基于分布檢驗的分類器、基于特征的分類器、機器學習輔助的分類器、盲調制樣式分類器。對于每一種調制樣式分類器，本書都列出了基本假設與系統(tǒng)需求，并利用數學表達式、圖示、編程偽碼等方式說明了設計實現(xiàn)過程。最后，還通過理論分析和數值仿真實驗兩種方式對各種自動調制樣式分類器的性能進行了比較。

作者簡介

　　Zhechen Zhu于2010年在英國利物浦大學獲得電氣工程與電子學學士學位。畢業(yè)前，他還在中國西安交通大學-利物浦大學學習兩年。最近，他向英國布魯內爾大學電子與計算機工程系遞交了博士學位論文。2009年以來，他與Asoke K. Nandi教授密切合作，研究調制樣式自動分類。他們將先進機器學習技術用于其研究成果，為復雜信道環(huán)境下的調制樣式自動分類做出了巨大貢獻。他在該領域的研究論文已刊登于3份關鍵期刊上，并在多個高級別國際會議上做過匯報。

圖書目錄

第1章概述 1
1.1 背景 1
1.2 應用 2
1.2.1 軍用 2
1.2.2 民用 3
1.3 領域綜述與本書內容簡介 4
1.4 調制樣式與通信系統(tǒng)基礎 5
1.4.1 模擬系統(tǒng)及其調制樣式 5
1.4.2 數字系統(tǒng)及其調制樣式 8
1.4.3 不同信道效應下的接收信號 12
1.5 小結 12
參考文獻 12
第2章調制樣式分類信號模型 14
2.1 引言 14
2.2 加性高斯白噪聲(AWGN)信道中的信號模型 15
2.2.1 I-Q分量的信號分布 16
2.2.2 信號相位的信號分布 17
2.2.3 信號幅度的信號分布 18
2.3 衰落信道中的信號模型 18
2.4 非高斯噪聲信道中的信號模型 20
2.4.1 米德爾頓A類噪聲模型 20
2.4.2 對稱??穩(wěn)定模型 21
2.4.3 混合高斯模型 21
2.5 小結 22
參考文獻 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 25
3.2.2 衰落信道中的似然函數 27
3.2.3 非高斯噪聲信道中的似然函數 28
3.2.4 最大似然分類決策 28
3.3 未知信道參數的似然比檢驗 29
3.3.1 平均似然比檢驗 29
3.3.2 廣義似然比檢驗 30
3.3.3 混合似然比檢驗 31
3.4 降低復雜度 32
3.4.1 離散似然比檢驗與查找表 32
3.4.2 最小距離似然函數 32
3.4.3 非參數似然函數 33
3.5 小結 33
參考文獻 33
第4章基于分布檢驗的分類器 35
4.1 引言 35
4.2 Kolmogorov–Smirnov(KS)檢驗分類器 36
4.2.1 KS檢驗擬合優(yōu)度 36
4.2.2 單樣本KS檢驗分類器 37
4.2.3 雙樣本KS檢驗分類器 39
4.2.4 相位差分類器 39
4.3 克萊默-馮?米塞斯檢驗分類器 40
4.4 安德森-達令檢驗分類器 41
4.5 優(yōu)化的分布采樣檢驗分類器 41
4.5.1 采樣位置優(yōu)化 42
4.5.2 分布采樣 43
4.5.3 分類決策標準 43
4.5.4 調制樣式分類決策 44
4.6 小結 44
參考文獻 45
第5章調制樣式分類的特征 47
5.1 引言 47
5.2 基于信號頻譜的特征 47
5.2.1 基于信號頻譜的特征 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 57
參考文獻 58
第6章利用機器學習實現(xiàn)調制樣式分類 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 支持向量機分類器 62
6.4 利用邏輯回歸實現(xiàn)信號特征組合 63
6.5 利用人工神經網絡實現(xiàn)信號特征組合 64
6.6 利用遺傳算法實現(xiàn)信號特征選擇 65
6.7 利用遺傳編程實現(xiàn)信號特征選擇與信號特征組合 66
6.7.1 樹狀結構解 67
6.7.2 遺傳算子 68
6.7.3 適應度評價 69
6.8 小結 70
參考文獻 70
第7章盲調制樣式分類 72
7.1 引言 72
7.2 利用基于似然分類器實現(xiàn)期望最大化 72
7.2.1 期望值最大化評估器 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 最小距離質心估計與非參數似然分類器 76
7.3.1 最小距離質心估計 76
7.3.2 非參數似然函數 78
7.4 小結 79
參考文獻 80
第8章各種調制樣式分類器的比較 82
8.1 簡介 82
8.2 系統(tǒng)要求及適用的調制樣式 82
8.3 加性噪聲情況下的分類準確度 84
8.3.1 分類器評價標準 85
8.3.2 加性高斯白噪聲信道中的性能比較 85
8.4 信號長度有限情況下的分類準確度 90
8.5 存在相位偏移時的分類魯棒性 94
8.6 存在頻率偏移時的分類魯棒性 98
8.7 運算復雜度 102
8.8 小結 103
參考文獻 103
第9章民用調制樣式分類 104
9.1 引言 104
9.2 對高階調制樣式的分類 104
9.3 鏈路自適應系統(tǒng)的調制樣式分類 105
9.4 多輸入多輸出(MIMO)系統(tǒng)的調制樣式分類 106
9.5 小結 110
參考文獻 110
第10章軍用調制樣式分類器設計 112
10.1 簡介 112
10.2 調制樣式池未知情況下的調制樣式分類器設計 112
10.3 低檢測概率信號調制樣式分類器 114
10.3.1 直接序列擴譜信號的調制樣式分類 115
10.3.2 FHSS信號的調制樣式分類 116
10.4 小結 117
參考文獻 117