| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景及意义 | 第9-13页 |
| 1.1.1 无线通信技术的发展 | 第9-10页 |
| 1.1.2 MIMO-OFDM技术 | 第10-12页 |
| 1.1.3 信道估计问题 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 第二章 MIMO-OFDM系统原理与实现 | 第17-23页 |
| 2.1 MIMO技术原理 | 第17-18页 |
| 2.2 OFDM原理 | 第18-20页 |
| 2.3 MIMO-OFDM技术原理及系统的构建 | 第20-23页 |
| 第三章 MIMO-OFDM系统信道估计方法 | 第23-37页 |
| 3.1 MIMO-OFDM系统信道描述 | 第23-24页 |
| 3.2 信道估计的概念和必要性 | 第24-26页 |
| 3.3 非盲信道估计方法 | 第26-31页 |
| 3.3.1 导频结构 | 第26-28页 |
| 3.3.2 最小二乘估计(LS) | 第28-29页 |
| 3.3.3 最小均方误差(MMSE)信道估计方法 | 第29-30页 |
| 3.3.4 线性最小均方误差(LMMSE)信道估计算法 | 第30-31页 |
| 3.4 盲估计方法 | 第31-32页 |
| 3.4.1 基于统计性的估计方法 | 第31页 |
| 3.4.2 基于确定性的估计方法 | 第31-32页 |
| 3.5 半盲信道估计方法 | 第32-37页 |
| 3.5.1 基于线性预测(LS)的半盲估计方法 | 第33页 |
| 3.5.2 基于线性最小均方误差(LMMSE)的半盲估计方法 | 第33-37页 |
| 第四章 基于径向基函数神经网络的MIMO-OFDM系统半盲信道估计方法 | 第37-45页 |
| 4.1 RBF神经网络原理 | 第37-39页 |
| 4.2 插入导频 | 第39-40页 |
| 4.3 仿真设置及计算过程 | 第40-42页 |
| 4.4 结果分析 | 第42-45页 |
| 第五章 基于遗传算法的RBF网络半盲估计方法优化设计 | 第45-51页 |
| 5.1 遗传算法的原理与实现 | 第45-46页 |
| 5.2 应用遗传算法的网络结构 | 第46-47页 |
| 5.3 仿真设置及结果分析 | 第47-51页 |
| 第六章 多环境情况下的信道估计研究 | 第51-57页 |
| 6.1 快衰落信道 | 第51-53页 |
| 6.2 协同通信环境 | 第53-57页 |
| 6.2.1 协同通信的意义与特点 | 第53-54页 |
| 6.2.2 协同通信环境下的信道估计 | 第54-57页 |
| 第七章 MIMO-OFDM系统的容量分析 | 第57-63页 |
| 7.1 容量分析的概念与重要性 | 第57页 |
| 7.2 不同信道模型下的信道容量 | 第57-58页 |
| 7.3 仿真设置及结果分析 | 第58-63页 |
| 第八章 总结及展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |
