| 中文摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 符号说明 | 第13-14页 |
| 第一章 绪论 | 第14-21页 |
| ·引言 | 第14-15页 |
| ·移动通信的发展背景 | 第15页 |
| ·MIMO-OFDM的技术展望 | 第15-17页 |
| ·OFDM技术 | 第15-17页 |
| ·MIMO技术 | 第17页 |
| ·MIMO-OFDM信道估计的作用和方法 | 第17-19页 |
| ·本文主要研究内容 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第二章 无线通信信道和MIMO-OFDM系统 | 第21-39页 |
| ·无线信道特性概述 | 第21-23页 |
| ·自由空间的路径损失 | 第22页 |
| ·阴影效应 | 第22-23页 |
| ·多径衰落 | 第23页 |
| ·小尺度衰落信道 | 第23-27页 |
| ·多普勒扩展——时间选择性衰落 | 第23-25页 |
| ·时延扩展——频率选择性衰落 | 第25-27页 |
| ·常用衰落信道仿真模型 | 第27-29页 |
| ·抽头延迟线模型 | 第27-28页 |
| ·Jakes信道模型 | 第28-29页 |
| ·MIMO信道模型 | 第29-30页 |
| ·空时分组码(STBC)技术 | 第30-35页 |
| ·空时码概述 | 第30页 |
| ·空时分组码 | 第30-35页 |
| ·正交频分复用(OFDM)基本原理 | 第35-37页 |
| ·用IFFT/FFT实现OFDM | 第36-37页 |
| ·MIMO-OFDM系统模型 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 粒子滤波器理论 | 第39-49页 |
| ·粒子滤波器的起源和发展 | 第39页 |
| ·粒子滤波器背景知识 | 第39-43页 |
| ·贝叶斯定理 | 第39-40页 |
| ·马尔可夫过程 | 第40页 |
| ·递归贝叶斯推理 | 第40-42页 |
| ·蒙特卡罗方法 | 第42-43页 |
| ·粒子滤波器 | 第43-47页 |
| ·序贯重要性采样(Sequential ImportanceSampling) | 第43-45页 |
| ·退化问题 | 第45-46页 |
| ·基本粒子滤波器算法 | 第46-47页 |
| ·粒子滤波器存在的问题 | 第47页 |
| ·粒子滤波器的研究现状 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于粒子滤波器的MIMO-OFDM系统信道跟踪 | 第49-59页 |
| ·引言 | 第49页 |
| ·基于粒予滤波器的MIMO信道跟踪 | 第49-54页 |
| ·系统模型和信道模型 | 第49-51页 |
| ·基于粒子滤波器的MIMO信道跟踪算法 | 第51页 |
| ·实验仿真结果 | 第51-54页 |
| ·结论 | 第54页 |
| ·基于粒子滤波器的MIMO-OFDM信道跟踪 | 第54-58页 |
| ·系统模型和信道模型 | 第54-56页 |
| ·基于粒子滤波器的MIMO-OFDM信道跟踪算法 | 第56页 |
| ·实验仿真结果 | 第56-58页 |
| ·结论 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第五章 径向基神经网络在MIMO-OFDM信道跟踪中的应用 | 第59-72页 |
| ·人工神经网络的发展 | 第59-60页 |
| ·神经网络基础 | 第60-64页 |
| ·人工神经网络模型 | 第60-62页 |
| ·神经网络的拓扑结构 | 第62页 |
| ·神经网络的学习方法 | 第62-63页 |
| ·神经网络的学习算法 | 第63-64页 |
| ·径向基神经网络 | 第64-68页 |
| ·径向基神经网络结构和工作原理 | 第64-65页 |
| ·径向基神经网络的研究现状 | 第65-68页 |
| ·径向基神经网络在MIMO-OFDM信道跟踪中的应用 | 第68-71页 |
| ·算法描述 | 第69-70页 |
| ·实验仿真结果 | 第70-71页 |
| ·结论 | 第71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间发表的论文 | 第81-82页 |
| 学位论文评阅及答辩情况表 | 第82页 |
