| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 引言 | 第11页 |
| 1.2 论文研究背景 | 第11-14页 |
| 1.3 国内外研究现状 | 第14-19页 |
| 1.3.1 基于高阶统计量的盲均衡算法 | 第15-16页 |
| 1.3.2 基于二阶循环平稳统计量的盲均衡算法 | 第16-18页 |
| 1.3.3 基于神经网络理论的盲均衡算法 | 第18页 |
| 1.3.4 信号检测理论的盲均衡算法 | 第18-19页 |
| 1.4 本文研究内容及章节安排 | 第19-21页 |
| 第二章 均衡技术基础知识 | 第21-32页 |
| 2.1 卫星信道对盲均衡的需求 | 第21-22页 |
| 2.2 自适应均衡技术 | 第22-23页 |
| 2.2.1 自适应均衡技术概述 | 第22-23页 |
| 2.2.2 均衡器的分类 | 第23页 |
| 2.3 均衡技术理论基础 | 第23-30页 |
| 2.3.1 均衡技术概念及原理 | 第23-26页 |
| 2.3.2 基本均衡算法 | 第26-29页 |
| 2.3.3 均衡算法的性能指标 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于循环平稳的盲均衡算法 | 第32-45页 |
| 3.1 循环平稳的概念及其表达式 | 第32-35页 |
| 3.1.1 一阶循环平稳信号 | 第32-33页 |
| 3.1.2 二阶循环平稳信号 | 第33-35页 |
| 3.2 循环平稳理论的特点 | 第35-36页 |
| 3.3 基于循环二阶统计量的间接盲辨识算法 | 第36-39页 |
| 3.4 基于盲辨识的维纳盲均衡器 | 第39-44页 |
| 3.4.1 循环维纳均衡器的结构及原理 | 第39-41页 |
| 3.4.2 FROST盲均衡算法 | 第41-42页 |
| 3.4.3 FROST盲均衡算法仿真实验 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 Bussgang类盲均衡算法 | 第45-61页 |
| 4.1 Bussgang算法基础知识 | 第45-47页 |
| 4.1.1 Bussgang过程 | 第45页 |
| 4.1.2 Bussgang盲均衡算法基本原理 | 第45-47页 |
| 4.2 常见的Bussgang盲均衡算法 | 第47-49页 |
| 4.3 恒模盲均衡算法 | 第49-53页 |
| 4.3.1 恒模算法的基本原理 | 第49-50页 |
| 4.3.2 修正恒模算法 | 第50-51页 |
| 4.3.3 恒模算法与修正恒模算法的计算机仿真 | 第51-53页 |
| 4.4 变步长修正恒模盲均衡算法 | 第53-59页 |
| 4.4.1 变步长MCMA算法(VS-MCMA)基本原理 | 第53-55页 |
| 4.4.2 VS-MCMA算法性能分析 | 第55-58页 |
| 4.4.3 MCMA算法与VS-MCMA算法计算机仿真比较 | 第58-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 双模盲均衡算法 | 第61-72页 |
| 5.1 引言 | 第61页 |
| 5.2 双模盲均衡算法 | 第61-64页 |
| 5.2.1 决策指向算法(DD) | 第61-62页 |
| 5.2.2 切换双模式算法 | 第62-63页 |
| 5.2.3 加权双模式算法 | 第63-64页 |
| 5.3 基于可变步长修正恒模算法的双模盲均衡算法 | 第64-71页 |
| 5.3.1 VS-MCMA+DDLMS双模算法的基本原理 | 第64-67页 |
| 5.3.2 VS-MCMA+DDLMS双模算法的性能分析 | 第67-69页 |
| 5.3.3 VS-MCMA+DDLMS双模算法的计算机仿真比较 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 研究总结 | 第72-73页 |
| 6.2 下一步展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士期间所取得的相关科技成果 | 第79-80页 |
