| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-16页 |
| 1.2 研究现状 | 第16-17页 |
| 1.3 论文的研究内容和创新点 | 第17-18页 |
| 1.4 论文组织结构 | 第18页 |
| 1.5 论文资助 | 第18-19页 |
| 第二章 信道测量和建模原理 | 第19-29页 |
| 2.1 信道测量原理与平台 | 第19-22页 |
| 2.1.1 信道测量原理 | 第19页 |
| 2.1.2 测量平台 | 第19-22页 |
| 2.2 信道参数分析与基于几何的信道建模 | 第22-28页 |
| 2.2.1 信道参数的提取 | 第23-25页 |
| 2.2.2 基于几何的信道建模 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 机器学习和数据挖掘介绍 | 第29-34页 |
| 3.1 分类问题 | 第29-31页 |
| 3.2 聚簇问题 | 第31-32页 |
| 3.3 降维问题 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 室内热点场景的3D MIMO信道测量和数据预处理 | 第34-41页 |
| 4.1 信道测量场景规划与描述 | 第34-36页 |
| 4.2 信道冲激响应的数据结构 | 第36-37页 |
| 4.3 基于神经网络的信道冲激响应去噪 | 第37-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 基于数据挖掘和机器学习的信道数据分析 | 第41-53页 |
| 5.1 基于主成分分析的AFCIR分析 | 第42-47页 |
| 5.2 基于模型估计的PFCIR分析 | 第47-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 基于信道数据幅度与相位特征的信道模型 | 第53-59页 |
| 6.1 AFCIR数据生成过程 | 第53-54页 |
| 6.2 PFCIR数据生成过程 | 第54-55页 |
| 6.3 信道模型仿真结果 | 第55-58页 |
| 6.4 本章小结 | 第58-59页 |
| 第七章 总结和展望 | 第59-63页 |
| 7.1 论文总结 | 第59-60页 |
| 7.2 未来研究 | 第60-63页 |
| 缩写说明 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士期间发表的学术论文目录 | 第73页 |