新一代短距离无线通信系统信号检测与接收技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-36页 |
| ·课题背景及研究意义 | 第15-16页 |
| ·国内外研究现状 | 第16-23页 |
| ·无线通信发展历史 | 第16-19页 |
| ·未来短距离无线通信中关键技术 | 第19-20页 |
| ·未来短距离无线通信主要特点 | 第20-21页 |
| ·未来短距离无线通信主要问题 | 第21-23页 |
| ·论文主要研究 | 第23-26页 |
| ·论文内容安排 | 第26-29页 |
| ·论文基金资助与完成情况 | 第29-31页 |
| 参考文献 | 第31-36页 |
| 第二章 密集多径信道测量、特性分析与建模 | 第36-104页 |
| ·引言 | 第36-39页 |
| ·信道测量与数据预处理 | 第39-46页 |
| ·密集多径传输S-V信道模型 | 第39-41页 |
| ·密集多径信道测量 | 第41-46页 |
| ·基于小波分析的信道分簇识别 | 第46-65页 |
| ·分簇识别与突变检测 | 第46-47页 |
| ·滑动平均比 | 第47-48页 |
| ·小波分析 | 第48-52页 |
| ·基于小波分析的分簇识别 | 第52-56页 |
| ·基于小波分析分簇识别的性能分析 | 第56-59页 |
| ·基于改进小波积分析的分簇识别 | 第59-63页 |
| ·基于改进小波积分析的分簇识别性能分析 | 第63-65页 |
| ·基于仿生聚类的分簇提取 | 第65-88页 |
| ·问题建模 | 第66-67页 |
| ·相似度定义 | 第67-68页 |
| ·位置更新 | 第68-69页 |
| ·参数设置 | 第69-72页 |
| ·计算机仿真与性能分析 | 第72-88页 |
| ·信道功率时延剖面模型 | 第88-94页 |
| ·基于簇包络加权低复杂度信号检测 | 第94-98页 |
| ·分簇包络加权低复杂度接收机设计 | 第95-96页 |
| ·计算机仿真与性能分析 | 第96-98页 |
| ·本章小结 | 第98-99页 |
| 参考文献 | 第99-104页 |
| 第三章 密集多径信道下非相干信号检测 | 第104-183页 |
| ·引言 | 第104-107页 |
| ·系统介绍 | 第107-111页 |
| ·单极性调制方式 | 第107-108页 |
| ·密集多径信道测量 | 第108-109页 |
| ·现有相干、半相干信号检测方案 | 第109-110页 |
| ·现有非相干信号检测方案 | 第110-111页 |
| ·信号映射模式空间 | 第111-120页 |
| ·信号特征谱构造 | 第111-117页 |
| ·模式特征提取 | 第117-118页 |
| ·特征空间压缩 | 第118-120页 |
| ·基于模糊聚类的盲信号检测 | 第120-124页 |
| ·计算机仿真与性能分析 | 第122-124页 |
| ·基于蚁群聚类的盲信号检测 | 第124-138页 |
| ·蚁群聚类 | 第124-127页 |
| ·基于蚁群聚类的非相干检测 | 第127-131页 |
| ·计算机仿真与性能评估 | 第131-138页 |
| ·基于贝叶斯在线学习的实时检测 | 第138-150页 |
| ·最优非相干检测 | 第138-140页 |
| ·Parzen窗估计 | 第140-142页 |
| ·Parzen概率神经网络 | 第142-146页 |
| ·基于Parzen神经网络的在线非相干检测 | 第146-147页 |
| ·计算机仿真与性能分析 | 第147-150页 |
| ·基于新型量子基因智能算法的离线检测 | 第150-169页 |
| ·基于数值优化的监督式非相干检测 | 第150-152页 |
| ·新型量子基因智能算法 | 第152-161页 |
| ·基于QMA算法的非相干检测 | 第161-162页 |
| ·计算机仿真与性能分析 | 第162-169页 |
| ·非相干检测方案的稳健性 | 第169-175页 |
| ·相邻符号间干扰(ISI) | 第170-172页 |
| ·窄带干扰与定时误差 | 第172-175页 |
| ·本章小结 | 第175-176页 |
| 参考文献 | 第176-183页 |
| 第四章 多径传输与射频器件非线性下的最佳信号检测 | 第183-218页 |
| ·引言 | 第183-185页 |
| ·系统模型 | 第185-190页 |
| ·非线性功放模型 | 第185-187页 |
| ·信道模型 | 第187页 |
| ·信号模型 | 第187-190页 |
| ·粒子滤波 | 第190-196页 |
| ·贝叶斯推理 | 第190-192页 |
| ·序贯重要性采样 | 第192-194页 |
| ·局限性 | 第194-196页 |
| ·贝叶斯信号检测 | 第196-204页 |
| ·新的非线性粒子滤波 | 第196-199页 |
| ·偏导数估计 | 第199-200页 |
| ·信道估计 | 第200-201页 |
| ·迭代式信道估计 | 第201-203页 |
| ·Kalman滤波架构下迭代信道估计 | 第203-204页 |
| ·仿真实验与性能评估 | 第204-210页 |
| ·本章小结 | 第210-211页 |
| ·附录：证明与公式推导 | 第211-215页 |
| ·关于一阶泰勒级数关系推导 | 第211-212页 |
| ·关于矩阵求逆引理 | 第212页 |
| ·关于信道统计量的更新迭代推导 | 第212-215页 |
| 参考文献 | 第215-218页 |
| 第五章 密集多径信道下波束赋形 | 第218-264页 |
| ·引言 | 第218-221页 |
| ·问题建模 | 第221-228页 |
| ·离散码本 | 第221-223页 |
| ·密集多径信道模型 | 第223-226页 |
| ·接收信噪比 | 第226-228页 |
| ·基于数值优化的波束赋形训练 | 第228-244页 |
| ·Rosenbrock数值优化波束搜索 | 第229-230页 |
| ·Rosenbrock数值优化 | 第230-233页 |
| ·带预搜索的Rosenbrock数值波束搜索 | 第233-236页 |
| ·复杂度分析 | 第236-238页 |
| ·仿真实验与性能分析 | 第238-244页 |
| ·全局数值优化设计与波束赋形训练 | 第244-259页 |
| ·全局性数值优化算法设计 | 第244-250页 |
| ·基于全局数值优化的波束搜索 | 第250-251页 |
| ·仿真实验与性能分析 | 第251-259页 |
| ·本章小结 | 第259-261页 |
| 参考文献 | 第261-264页 |
| 第六章 时变衰落信道下联合参数估计与信号检测 | 第264-301页 |
| ·引言 | 第264-268页 |
| ·频谱检测中联合估计系统模型 | 第268-275页 |
| ·授权用户工作状态 | 第268-270页 |
| ·时变信道增益 | 第270-273页 |
| ·能量观测值 | 第273-274页 |
| ·时变衰落信道下频谱检测模型 | 第274-275页 |
| ·频谱检测中联合估计算法 | 第275-290页 |
| ·序贯最大后验概率检测 | 第276-277页 |
| ·粒子滤波 | 第277-278页 |
| ·基于联合估计的频谱检测 | 第278-283页 |
| ·估计算法实现 | 第283-285页 |
| ·算法复杂度 | 第285页 |
| ·实验仿真与性能分析 | 第285-290页 |
| ·时变密集多径下联合检测模型 | 第290-293页 |
| ·时变密集多径信道 | 第290-292页 |
| ·发送信号模型 | 第292页 |
| ·接收信号模型 | 第292页 |
| ·DSM模型 | 第292-293页 |
| ·时变密集多径下联合检测算法 | 第293-296页 |
| ·预检测 | 第293-294页 |
| ·信道估计 | 第294页 |
| ·信号符号估计 | 第294-295页 |
| ·实验仿真与性能分析 | 第295-296页 |
| ·本章小结 | 第296-298页 |
| 参考文献 | 第298-301页 |
| 第七章 总结与展望 | 第301-307页 |
| ·论文主要研究成果 | 第301-304页 |
| ·下一步工作展望 | 第304-307页 |
| 致谢 | 第307-309页 |
| 攻读学位期间发表的学术论文目录 | 第309-313页 |
| 作者信息 | 第313页 |
