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概览 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类模型 20
2.4.2对称α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
4.2科尔莫哥洛夫-斯米尔诺夫（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
6.2.3 k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利用基于似然的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
10.3.2 FHSS信号的调制样式分类 116
10.4小结 117
参考文献 117