| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 智能天线的研究背景与意义 | 第11-12页 |
| 1.2 智能天线的研究现状 | 第12-13页 |
| 1.3 智能天线的优势 | 第13-14页 |
| 1.4 研究内容和章节安排 | 第14-15页 |
| 第2章 智能天线技术 | 第15-27页 |
| 2.1 智能天线 | 第15-17页 |
| 2.1.1 智能天线的概念 | 第15-16页 |
| 2.1.2 智能天线分类 | 第16-17页 |
| 2.2 智能天线的结构和工作原理 | 第17-19页 |
| 2.2.1 基本结构 | 第17-18页 |
| 2.2.2 工作原理 | 第18-19页 |
| 2.3 智能天线的信号模型 | 第19-22页 |
| 2.4 波束成型 | 第22-26页 |
| 2.4.1 波束成形原理 | 第22-23页 |
| 2.4.2 方向图仿真及相关结论 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 自适应波束形成准则 | 第27-32页 |
| 3.1 概述 | 第27页 |
| 3.2 波束成形准则 | 第27-30页 |
| 3.2.1 最小均方误差准则(MMSE) | 第27-28页 |
| 3.2.2 最小方差准则(MV) | 第28-29页 |
| 3.2.3 最小二乘准则(LS) | 第29页 |
| 3.2.4 最大信干噪比准则(MAX-SINR) | 第29-30页 |
| 3.3 准则对比 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 非盲自适应波束形成算法分析及仿真 | 第32-52页 |
| 4.1 简述 | 第32页 |
| 4.2 经典自适应波束成型非盲算法 | 第32-39页 |
| 4.2.1 最小均方算法(LMS) | 第32-34页 |
| 4.2.2 递归最小二乘算法(RLS) | 第34-35页 |
| 4.2.3 常规自适应算法的仿真与分析 | 第35-39页 |
| 4.3 最小均方步长算法(LMS)的改进算法 | 第39-42页 |
| 4.3.1 归一化最小均方算法 | 第40页 |
| 4.3.2 归一化最小均方算法(NLMS)的仿真 | 第40-41页 |
| 4.3.3 NLMS算法和LMS算法性能对比 | 第41-42页 |
| 4.4 一种基于S特性函数的新的变步长LMS算法 | 第42-47页 |
| 4.4.1 改进算法的引进介绍 | 第42-45页 |
| 4.4.2 新的变步长LMS算法的仿真与分析 | 第45-47页 |
| 4.5 一种基于正弦函数(SN)改进LMS算法 | 第47-51页 |
| 4.5.1 改进变步长LMS算法的介绍 | 第47-49页 |
| 4.5.2 新的变步长LMS算法的仿真研究 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 盲自适应算法分析及仿真 | 第52-61页 |
| 5.1 概述 | 第52-53页 |
| 5.2 随机梯度下降恒模算法 | 第53-55页 |
| 5.3 随机梯度下降恒模算法的性能分析 | 第55-57页 |
| 5.4 新的变步长SGD-CMA算法 | 第57-60页 |
| 5.4.1 归一化方法的引进 | 第57-58页 |
| 5.4.2 归一化随机梯度恒摸(NSGD-CMA)的仿真 | 第58-59页 |
| 5.4.3 归一化的随机梯度算法的仿真性能对比 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 个人简介、攻硕期间研究成果及学术论文发表 | 第68页 |