MIMO通信的盲均衡及识别算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题意义 | 第7页 |
| ·技术背景 | 第7-8页 |
| ·论文结构 | 第8-11页 |
| 第二章 MIMO 通信系统 | 第11-15页 |
| ·MIMO 的基本概念以及研究现状 | 第11页 |
| ·MIMO 系统模型 | 第11-12页 |
| ·MIMO 的信道容量 | 第12-14页 |
| ·本章小结 | 第14-15页 |
| 第三章 盲均衡技术 | 第15-37页 |
| ·盲均衡基本原理 | 第15-21页 |
| ·盲均衡基础理论 | 第15-16页 |
| ·盲均衡准则 | 第16-19页 |
| ·盲均衡算法的衡量标准 | 第19-21页 |
| ·盲均衡算法的分类与改进 | 第21-29页 |
| ·Bussgang 类盲均衡算法 | 第21-24页 |
| ·CMA 恒模盲均衡算法 | 第24-26页 |
| ·恒模算法的特点和不足 | 第26-27页 |
| ·变步长的恒模盲均衡算法 | 第27-29页 |
| ·MIMO 通信的盲均衡算法 | 第29-30页 |
| ·MIMO 的 CMA 盲均衡算法仿真 | 第30-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 MIMO 信号的调制识别 | 第37-63页 |
| ·调制识别的基本理论 | 第37-41页 |
| ·基于判决理论的识别方法 | 第38页 |
| ·基于统计理论的识别方法 | 第38-40页 |
| ·两种识别方法的比较 | 第40-41页 |
| ·基于神经网络的 MIMO 信号的识别 | 第41-55页 |
| ·人工神经网络的优点 | 第41-42页 |
| ·人工神经网络模型 | 第42-44页 |
| ·多层前馈网络与 BP 算法 | 第44-46页 |
| ·BP 网络的设计理论 | 第46-47页 |
| ·基于高阶累积量的特征值提取 | 第47-53页 |
| ·神经网络分类器的设计 | 第53-55页 |
| ·MIMO 系统的调制识别仿真 | 第55-62页 |
| ·特征值的提取 | 第56-58页 |
| ·神经网络分类器的训练 | 第58-59页 |
| ·识别结果 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 在读期间的研究成果 | 第70-71页 |
