| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-20页 |
| 1 研究盲均衡的目的和意义 | 第9-11页 |
| 2 盲均衡的研究现状 | 第11-18页 |
| (1) Bussgang类盲均衡算法 | 第11-14页 |
| (2) 基于高阶谱理论的盲均衡算法 | 第14-16页 |
| (3) 神经网络盲均衡算法 | 第16-17页 |
| (4) 信号检测盲均衡算法 | 第17-18页 |
| 3 全文章节安排 | 第18-20页 |
| 第二章 盲均衡的基本理论 | 第20-29页 |
| 1 盲均衡的定义 | 第20-21页 |
| 2 盲均衡的均衡准则 | 第21-25页 |
| (1) 置零准则 | 第21-22页 |
| (2) 峰度准则 | 第22-23页 |
| (3) 归一化准则 | 第23-25页 |
| 3 算法性能的评判指标 | 第25-27页 |
| (1) 收敛速度 | 第25页 |
| (2) 运算复杂度 | 第25页 |
| (3) 误码率 | 第25-26页 |
| (4) 稳态剩余误差 | 第26页 |
| (5) 跟踪时变信道的能力 | 第26页 |
| (6) 抗干扰能力 | 第26-27页 |
| 4 盲均衡采用的基本算法 | 第27-29页 |
| (1) 最小均方(LMS)算法 | 第27-28页 |
| (2) 递归最小二乘(RLS)算法 | 第28-29页 |
| 第三章 恒模(CMA)算法的分析 | 第29-38页 |
| 1 Bussgang类盲均衡算法 | 第29-33页 |
| (1) Bussgang类盲均衡算法的基本原理 | 第29-30页 |
| (2) 典型的Bussgang类盲均衡算法 | 第30-31页 |
| (3) 恒模(CMA)算法 | 第31-33页 |
| 2 恒模(CMA)算法收敛性能的分析 | 第33-36页 |
| 3 变步长盲均衡算法设计思想的提出 | 第36-38页 |
| 第四章 基于MSE变换的变步长CMA盲均衡算法 | 第38-61页 |
| 1 CMA算法中剩余误差的分析 | 第38-39页 |
| 2 基于MSE变换的变步长CMA盲均衡算法 | 第39-52页 |
| (1) 改进算法的表达形式 | 第40页 |
| (2) 改进算法的理论分析 | 第40-41页 |
| (3) 参数β的选取 | 第41-44页 |
| (4) 矩形窗函数长度L对改进算法性能的影响 | 第44-52页 |
| 3 改进算法与CMA算法性能的比较 | 第52-60页 |
| (1) 收敛速度与稳态剩余误差的比较 | 第52-55页 |
| (2) 跟踪时变信道和抗噪声干扰能力的比较 | 第55-60页 |
| 4 小结 | 第60-61页 |
| 第五章 基于均衡器输出信号功率的变步长CMA盲均衡算法 | 第61-77页 |
| 1 基于均衡器输出信号功率的变步长CMA盲均衡算法 | 第61-69页 |
| (1) 改进算法的表达形式 | 第61-62页 |
| (2) 改进算法的理论分析 | 第62-63页 |
| (3) 参数α的选取 | 第63-65页 |
| (4) 参数β的选取 | 第65-67页 |
| (5) 参数α和β的联合选取 | 第67-69页 |
| 2 改进算法与CMA算法性能的比较 | 第69-76页 |
| (1) 收敛速度与稳态剩余误差的比较 | 第69-73页 |
| (2) 跟踪时变信道和抗噪声干扰能力的比较 | 第73-76页 |
| 3 小结 | 第76-77页 |
| 第六章 本文总结与展望 | 第77-79页 |
| 1 总结 | 第77页 |
| 2 展望 | 第77-79页 |
| 参考文献 | 第79-87页 |
| 致谢 | 第87-88页 |
| 攻读学位期间发表的论文 | 第88页 |