《基于深度学习的空时分组码识别理论与技术》本书主要从STBC信号、SFBC-OFDM信号和STBC-OFDM信号三个角度展开介绍，说明如何针对每种编码方式的不同特点，在结合传统方法提取有效特征后，将信号特征转化为二维图像，通过将信号识别问题转化为图像识别问题的方法，将深度学习引入该领域。本书介绍的深度学习方法，不仅克服了传统方法不适用于非协作通信的缺陷，更结合深度学习技术优势进一步提升了在低信噪比下的识别性能。
《空时分组码识别理论与技术》本书以空时分组码的盲识别技术为研究对象，全面归纳了空时分组码盲识别技术基础，以及空时分组码盲识别技术近期新理论和成果，具体包括基于优选的空时分组码盲识别技术、基于相关矩阵的空时分组码盲识别技术、基于循环谱的空时分组码盲识别技术、OFDM条件下空时分组码盲识别技术和空时分组码条件下的信号调制识别等。

1.绪论2.基于优选似然的空时分组码盲识别方法3.基于相关矩阵的空时分组码盲识别方法3.1基于二阶相关矩阵的方法3.2基于四阶相关矩阵的方法4.基于循环谱的空时分组码盲识别方法4.1基于二阶循环谱的方法4.2基于四阶循环谱的方法5.OFDM-STBC的信号盲识别5.1基于FOLP的方法5.2基于K-S检测的方法5.3基于循环的方法6.STBC条件下的调制识别6.1基于四阶累积量的方法6.2基于分数阶傅里叶变换的方法7.总结与展望