| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 第一章 绪论 | 第8-19页 |
| 1 研究盲均衡技术的意义 | 第8-11页 |
| 2 盲均衡算法的分类 | 第11-13页 |
| (1) 基于信号检测理论的盲均衡算法 | 第11-12页 |
| (2) 基于Bussgang技术的盲均衡算法 | 第12页 |
| (3) 基于高阶谱理论的盲均衡算法 | 第12页 |
| (4) 基于神经网络理论的盲均衡算法 | 第12页 |
| (5) 基于细胞神经网络理论的盲均衡算法 | 第12-13页 |
| 3 基于信号检测的盲均衡算法的研究动态 | 第13-17页 |
| (1) 基于最大似然序列估计的盲均衡算法 | 第13-15页 |
| (2) 基于最小错误概率的盲均衡算法 | 第15-16页 |
| (3) 基于贝叶斯估计的盲均衡算法 | 第16页 |
| (4) 基于最大后验概率的盲均衡算法 | 第16-17页 |
| 4 全文章节安排 | 第17-19页 |
| 第二章 基本理论 | 第19-39页 |
| 1 盲均衡的基本理论 | 第19-22页 |
| (1) 盲均衡的数学模型 | 第19-21页 |
| (2) 盲均衡器的结构 | 第21-22页 |
| (3) 盲均衡的基本算法 | 第22页 |
| (4) 盲均衡的性能指标 | 第22页 |
| 2 信号检测的基本理论 | 第22-32页 |
| (1) 判决准则 | 第23-28页 |
| (2) 参数估计理论 | 第28-32页 |
| 3 具有码间干扰的最佳接收 | 第32-39页 |
| (1) 字符序列的最佳估计算法 | 第32-35页 |
| (2) MLSE接收机 | 第35-39页 |
| 第三章 基于最小错误概率准则的盲均衡算法 | 第39-57页 |
| 1 基于最小错误概率准则的盲均衡原理 | 第39-40页 |
| 2 代价函数的选择 | 第40-45页 |
| 3 基于最小错误概率的盲均衡算法及计算机仿真 | 第45-57页 |
| (1) 基于最小错误概率的盲均衡算法 | 第45-47页 |
| (2) 计算机仿真 | 第47-53页 |
| (3) 理论分析 | 第53-56页 |
| (4) 结论 | 第56-57页 |
| 第四章 基于最大似然序列估计的盲均衡算法 | 第57-70页 |
| 1 Viterbi算法实现的最大似然序列检测器 | 第57-60页 |
| 2 基于最大似然序列检测的均衡算法 | 第60-64页 |
| (1) 传统的自适应最大似然序列估计(MLSE)算法 | 第60-61页 |
| (2) 带软判决反馈的减小状态的盲均衡算法 | 第61-64页 |
| 3 基于分组实现的MLSE盲均衡算法 | 第64-67页 |
| (1) 基于分组实现的MLSE盲均衡算法的原理框图 | 第64页 |
| (2) 基于分组实现的MLSE盲均衡算法 | 第64-67页 |
| 4 计算机仿真结果 | 第67-70页 |
| (1) 计算机仿真结果 | 第67-69页 |
| (2) 结论 | 第69-70页 |
| 第五章 结论与展望 | 第70-72页 |
| 1 结论 | 第70-71页 |
| 2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 在读期间发表的论文 | 第78-79页 |
| 致谢 | 第79页 |