第1章 概述1 1.1 背景1 1.2 应用2 1.2.1 军用2 1.2.2 民用3 1.3 领域综述与本书内容简介4 1.4 调制样式与通信系统基础5 1.4.1 模拟系统及其调制样式5 1.4.2 数字系统及其调制样式8 1.4.3 不同信道效应下的接收信号12 1.5 小结12 参考文献12 第2章 调制样式分类信号模型14 2.1 引言14 2.2 加性高斯白噪声(AWGN)信道中的信号模型15 2.2.1 I-Q分量的信号分布16 2.2.2 信号相位的信号分布17 2.2.3 信号幅度的信号分布18 2.3 衰落信道中的信号模型18 2.4 非高斯噪声信道中的信号模型20 2.4.1 米德尔顿A类噪声模型20 2.4.2 对称??稳定模型21 2.4.3 混合高斯模型21 2.5 小结22 参考文献23 第3章 基于似然的分类器25 3.1 引言25 3.2 *大似然分类器25 3.2.1 加性高斯白噪声信道中的似然函数25 3.2.2 衰落信道中的似然函数27 3.2.3 非高斯噪声信道中的似然函数28 3.2.4 *大似然分类决策28 3.3 未知信道参数的似然比检验29 3.3.1 平均似然比检验29 3.3.2 广义似然比检验30 3.3.3 混合似然比检验31 3.4 降低复杂度32 3.4.1 离散似然比检验与查找表32 3.4.2 *小距离似然函数32 3.4.3 非参数似然函数33 3.5 小结33 参考文献33 第4章 基于分布检验的分类器35 4.1 引言35 4.2 Kolmogorov?CSmirnov(KS)检验分类器36 4.2.1 KS检验拟合优度36 4.2.2 单样本KS检验分类器37 4.2.3 双样本KS检验分类器39 4.2.4 相位差分类器39 4.3 克莱默-冯?米塞斯检验分类器40 4.4 安德森-达令检验分类器41 4.5 优化的分布采样检验分类器41 4.5.1 采样位置优化42 4.5.2 分布采样43 4.5.3 分类决策标准43 4.5.4 调制样式分类决策44 4.6 小结44 参考文献45 第5章 调制样式分类的特征47 5.1 引言47 5.2 基于信号频谱的特征47 5.2.1 基于信号频谱的特征48 5.2.2 基于频谱的具体特征50 5.2.3 基于频谱特征决策50 5.2.4 决策门限优化51 5.3 基于小波变换的特征52 5.4 基于高阶统计的特征54 5.4.1 基于高阶矩的特征54 5.4.2 基于高阶累积量的特征55 5.5 基于循环平稳分析的特征56 5.6 小结57 参考文献58 第6章 利用机器学习实现调制样式分类60 6.1 引言60 6.2 k*近邻分类器60 6.2.1 构建参考特征空间60 6.2.2 明确距离定义61 6.2.3 k*近邻决策61 6.3 支持向量机分类器62 6.4 利用逻辑回归实现信号特征组合63 6.5 利用人工神经网络实现信号特征组合64 6.6 利用遗传算法实现信号特征选择65 6.7 利用遗传编程实现信号特征选择与信号特征组合66 6.7.1 树状结构解67 6.7.2 遗传算子68 6.7.3 适应度评价69 6.8 小结70 参考文献70 第7章 盲调制样式分类72 7.1 引言72 7.2 利用基于似然分类器实现期望*大化72 7.2.1 期望值*大化评估器73 7.2.2 *大似然分类器75 7.2.3 *小似然距离分类器75 7.3 *小距离质心估计与非参数似然分类器76 7.3.1 *小距离质心估计76 7.3.2 非参数似然函数78 7.4 小结79 参考文献80 第8章 各种调制样式分类器的比较82 8.1 简介82 8.2 系统要求及适用的调制样式82 8.3 加性噪声情况下的分类准确度84 8.3.1 分类器评价标准85 8.3.2 加性高斯白噪声信道中的性能比较85 8.4 信号长度有限情况下的分类准确度90 8.5 存在相位偏移时的分类鲁棒性94 8.6 存在频率偏移时的分类鲁棒性98 8.7 运算复杂度102 8.8 小结103 参考文献103 第9章 民用调制样式分类104 9.1 引言104 9.2 对高阶调制样式的分类104 9.3 链路自适应系统的调制样式分类105 9.4 多输入多输出(MIMO)系统的调制样式分类106 9.5 小结110 参考文献110 第10章 军用调制样式分类器设计112 10.1 简介112 10.2 调制样式池未知情况下的调制样式分类器设计112 10.3 低检测概率信号调制样式分类器114 10.3.1 直接序列扩谱信号的调制样式分类115 10.3.2 FHSS信号的调制样式分类116 10.4 小结117 参考文献117