| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·随机集理论的发展过程和应用现状 | 第11-13页 |
| ·MIMO-OFDM 信道估计技术的研究现状 | 第13-14页 |
| ·MC-CDMA 多用户检测技术的研究现状 | 第14-15页 |
| ·本文的主要工作和章节安排 | 第15-17页 |
| 第2章 基础理论 | 第17-27页 |
| ·引言 | 第17页 |
| ·系统状态模型与观测模型 | 第17-18页 |
| ·随机集理论 | 第18-21页 |
| ·随机闭集 | 第18-19页 |
| ·随机有限集 | 第19-20页 |
| ·随机集合估计器 | 第20-21页 |
| ·粒子滤波基本原理 | 第21-27页 |
| ·贝叶斯滤波原理 | 第21-23页 |
| ·蒙特卡罗方法（Monte Carlo） | 第23页 |
| ·序贯重要性采样算法（SIS） | 第23-25页 |
| ·粒子退化现象和重采样 | 第25-26页 |
| ·基于Rao-Blackwellised 准则粒子滤波 | 第26-27页 |
| 第3章 基于随机集理论MIMO-OFDM 信道估计 | 第27-52页 |
| ·引言 | 第27页 |
| ·MIMO-OFDM 通信系统模型 | 第27-33页 |
| ·传统MIMO-OFDM 接收信号模型与解码算法 | 第28-31页 |
| ·基于随机集理论的MIMO 信道模型 | 第31-33页 |
| ·随机集模型下MIMO-OFDM 信道估计 | 第33-43页 |
| ·信道最佳估计 | 第33-35页 |
| ·基于基本粒子群的信道估计方法 | 第35-38页 |
| ·基于粒子滤波（PF）的信道估计方法 | 第38-39页 |
| ·基于Rao-Blackwellised 粒子滤波的信道估计方法 | 第39-42页 |
| ·基于集中采样方案的RBPF 信道估计方法 | 第42-43页 |
| ·算法仿真与性能分析 | 第43-51页 |
| ·小结 | 第51-52页 |
| 第4章 基于随机集理论的MC-CDMA 多用户检测 | 第52-66页 |
| ·引言 | 第52-53页 |
| ·基于随机集的MC-CDMA 多用户检测基础理论 | 第53-56页 |
| ·基于随机集理论的MC-CDMA 信号模型 | 第53-54页 |
| ·用户数量检测的随机集概率模型 | 第54-55页 |
| ·随机集的静态模型 | 第54页 |
| ·随机集的动态模型 | 第54-55页 |
| ·用户数量和数据联合检测的随机集概率模型 | 第55-56页 |
| ·基于随机集模型的多用户检测方法 | 第56-59页 |
| ·基于最大似然准则（ML）的多用户检测 | 第56页 |
| ·基于最大后验概率（MAP）的多用户检测 | 第56-57页 |
| ·贝叶斯（Bayes）滤波检测算法 | 第57页 |
| ·序列检测算法(Viterbi) | 第57页 |
| ·多进制粒子群检测算法(MVPSO) | 第57-59页 |
| ·算法仿真性能与分析 | 第59-65页 |
| ·静态情况 | 第60-62页 |
| ·动态情况 | 第62-65页 |
| ·小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录 | 第73页 |
