登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 （棱镜精装人文译丛）思想的假死 》 售價：NT$ 290.0 《 当代精神分析新论 》 售價：NT$ 430.0 《 宋初三先生集（中国思想史资料丛刊） 》 售價：NT$ 990.0 《 棕榈油的全球史 ： 从奴隶船到购物篮 》 售價：NT$ 440.0 《 简帛时代与早期中国思想世界（上下册）（王中江著作系列） 》 售價：NT$ 1400.0 《 进化主义在中国的兴起（王中江著作系列） 》 售價：NT$ 950.0 《 不废风雅 生活的意趣（汪曾祺风雅意趣妙文） 》 售價：NT$ 280.0 《 东亚世界形成史论（新版） 》 售價：NT$ 490.0

編輯推薦： 该书系统介绍了学术界主流的调制样式分类器，并对其分类性能、具体应用等相关内容进行了阐述。该书共10章，主要内容分别包括：第1章概述，介绍了自动调制样式分类的具体应用，以及调制样式与通信系统基础模拟数字调制样式、信道效应的影响等；第2章调制样式分类信号模型，介绍了几种典型信道效应下的信号模型，包括加性高斯白噪声AWGN信道中的信号模型、衰落信道中的信号模型、非高斯噪声信道中的信号模型；第3章基于似然的分类器，介绍了*似然分类器、未知信道参数的似然比检验、降低复杂度的方法；第4章基于分布检验的分类器，介绍了Kolmogorov-SmirnovKS检验分类器、克莱默-冯?米塞斯检验分类器、AndersonDarling检验分类器、优化的分布采样检验分类器；第5章调制样式分类的特征，介绍了基于信号频谱的特征、基于小波变换的特征、基于高阶统计的特征、基于循环平稳分析的特征；第6章利用机器学习实现调制样式分类，介绍了k*近邻分类器、支持向量机分类器、利用逻辑回归实现信号特征组合、利用人工神经网络实现信号特征组合、利用遗传算法实现信号特征选择、利用遗传编程实现信号特征选择与信号特征组合；第7章盲调制 內容簡介： 本书介绍了可用于通信信号自动调制样式分类的多种算法，包括过去20年开发的主要方法。本书将相关算法系统地分为5类：基于似然的分类器、基于分布检验的分类器、基于特征的分类器、机器学习辅助的分类器、盲调制样式分类器。对于每一种调制样式分类器，本书都列出了基本假设与系统需求，并利用数学表达式、图示、编程伪码等方式说明了设计实现过程。*后，还通过理论分析和数值仿真实验两种方式对各种自动调制样式分类器的性能进行了比较。 關於作者： Zhechen Zhu于2010年在英国利物浦大学获得电气工程与电子学学士学位。毕业前，他还在中国西安交通大学-利物浦大学学习两年。最近，他向英国布鲁内尔大学电子与计算机工程系递交了博士学位论文。2009年以来，他与Asoke K. Nandi教授密切合作，研究调制样式自动分类。他们将先进机器学习技术用于其研究成果，为复杂信道环境下的调制样式自动分类做出了巨大贡献。他在该领域的研究论文已刊登于3份关键期刊上，并在多个高级别国际会议上做过汇报。 Zhechen Zhu于2010年在英国利物浦大学获得电气工程与电子学学士学位。毕业前，他还在中国西安交通大学-利物浦大学学习两年。最近，他向英国布鲁内尔大学电子与计算机工程系递交了博士学位论文。2009年以来，他与Asoke K. Nandi教授密切合作，研究调制样式自动分类。他们将先进机器学习技术用于其研究成果，为复杂信道环境下的调制样式自动分类做出了巨大贡献。他在该领域的研究论文已刊登于3份关键期刊上，并在多个高级别国际会议上做过汇报。 目錄： 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 2.2.1I-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最大似然分类器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最大似然分类决策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最小距离似然函数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 4.2Kolmogorov?CSmirnovKS检验分类器36 4.2.1KS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 6.2k最近邻分类器60 6.2.1构建参考特征空间60 6.2.2明确距离定义61 6.2.3k最近邻决策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最大化72 7.2.1期望值最大化评估器73 7.2.2最大似然分类器75 7.2.3最小似然距离分类器75 7.3最小距离质心估计与非参数似然分类器76 7.3.1最小距离质心估计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 10.3.2FHSS信号的调制样式分类116 10.4小结117 参考文献117 內容試閱： 调制样式自动分类指的是识别所接收信号的调制样式，以确保可以正确地解调该信号，进而能够准确地恢复所发送的信息。该技术在军事、商业、情报、安全等领域内均有广泛应用。 模拟调制如AM、FM和数字调制如PSK、QAM的主要功能是利用载波信号将较低频率的基带信号转换为较高频率的带通调制信号，以提升信号的抗噪能力并扩展信号的传输距离。不同的调制样式需要不同的硬件配置、分配不同的带宽，其在不同传输信道中所能实现的抗噪能力、数据速率、鲁棒性也不尽相同。为解调已调信号并恢复出其中所含的信息，系统接收端必须首先知道调制的类型。 在军事领域，调制样式可以视作一种加密，使得事先不知道调制样式的接收机无法恢复出信号中所含信息。换言之，若想恢复出所截获通信信号可能是来自敌方的信号中所含的信息，则需要一个调制样式分类器来确定发射机所采用的调制样式。除可为恢复出信号中所含信息奠定基础外，调制样式分类还可用于识别辐射源并生成与调制样式相匹配的干扰信号。最初调制样式分类过程都是由有经验的信号工程师人工完成，后来则利用调制样式自动分类系统实现了自动化，自动化方式扩展了可识别的调制样式的种类，并提升了总体识别性能。 与早期通信系统不同，现代民用领域的信号发射机采用多种调制样式以控制数据速率、带宽利用率，并确保所传信息的完整性。尽管发射端与接收端都知道调制样式池中所包含的调制样式，但具体调制样式的选择是自适应进行的，而接收端可能事先对此一无所知。因此，接收端需要利用调制样式自动分类机制来选出正确的解调方式，以确保成功恢复该消息。 本专著讨论了可用于通信信号调制样式自动分类的多种算法。前两章首先介绍了理论信号模型，为后续分析奠定原理基础。重要的一步是统一不同研究中提出的各种不同的信号模型，为分析不同调制样式自动分类算法建立通用框架。 本书涵盖了过去20年开发的主要的方法。并将相关算法系统性地分为5类：基于似然的分类器、基于分布检验的分类器、基于特征的分类器、机器学习辅助的分类器、盲调制样式分类器。对于每一种调制样式分类器，本书都列出了基本假设与系统需求，并利用数学表达式、图示、编程伪码等方式说明了设计实现过程。最后，还通过理论分析和数值仿真实验两种方式对各种调制样式自动分类器的性能进行了比较。部分算法的MATLAB?源代码可从以下网址中得到：https：code.google.compamc-toolbox。 本书还利用在调制样式自动分类基本原理方面积累的知识，并根据各种调制样式自动分类算法不同的特点，提出了特定军用、民用领域内调制样式自动分类算法的具体实现过程。 由于调制样式自动分类领域还在不断发展，因此本书不可能是终极版或完备版。然而，本书作者依然有如下希冀：研究生在研究性杂志上发表学术论文前，能够充分了解调制样式自动分类领域基本知识；相关领域内的研究人员能够对该领域的总体发展状况有清晰的了解；当前正在研究该领域的研究人员和工程师可将本书用作参考书。 书中舛误难免，万望见谅，预致歉意。我们欢迎任何形式的评论或纠错，烦请发至a.k.nandi@ieee.org或通过其他渠道告知。

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.