基于恒模特性的盲波束形成算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状及发展趋势 | 第11-13页 |
| 1.3 论文的主要内容及章节安排 | 第13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 阵列信号处理基本理论 | 第14-34页 |
| 2.1 智能天线 | 第14-20页 |
| 2.1.1 智能天线技术 | 第14-16页 |
| 2.1.2 智能天线的结构 | 第16-19页 |
| 2.1.3 智能天线的工作原理 | 第19-20页 |
| 2.2 阵列信号处理的统计模型 | 第20-22页 |
| 2.2.1 前提及假设 | 第20页 |
| 2.2.2 窄带信号的延迟 | 第20-21页 |
| 2.2.3 统计模型 | 第21-22页 |
| 2.3 自适应波束形成准则 | 第22-27页 |
| 2.3.1 自适应波束形成准则的分类 | 第22-23页 |
| 2.3.2 最佳滤波准则 | 第23-26页 |
| 2.3.3 准则对比 | 第26-27页 |
| 2.4 盲波束形成算法 | 第27-32页 |
| 2.4.1 盲波束形成算法的分类 | 第28-29页 |
| 2.4.2 基于高阶累积量的算法 | 第29-30页 |
| 2.4.3 基于周期平稳性的算法 | 第30-31页 |
| 2.4.4 恒模算法 | 第31-32页 |
| 2.4.5 解扩重扩算法 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于恒模特性的盲波束形成算法 | 第34-48页 |
| 3.1 信号模型 | 第34-35页 |
| 3.2 随机梯度恒模算法 | 第35-37页 |
| 3.2.1 算法描述 | 第35-36页 |
| 3.2.2 步长因子对算法收敛性的影响 | 第36-37页 |
| 3.3 最小二乘恒模算法(LSCMA) | 第37-43页 |
| 3.3.1 LSCMA算法 | 第38-40页 |
| 3.3.2 仿真结果及分析 | 第40-42页 |
| 3.3.3 预处理最小二乘恒模算法 | 第42-43页 |
| 3.4 递归最小二乘恒模算法 | 第43-44页 |
| 3.5 解析恒模算法 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 改进的最小二乘恒模算法 | 第48-68页 |
| 4.1 信号模型 | 第48-49页 |
| 4.2 基于共轭对称约束的LSCMA算法 | 第49-58页 |
| 4.2.1 最大输出SINR下的权重向量 | 第49-50页 |
| 4.2.2 W-LSCMA算法 | 第50-52页 |
| 4.2.3 CW-LSCMA算法 | 第52-55页 |
| 4.2.4 仿真结果及分析 | 第55-58页 |
| 4.3 基于混合范数约束的LSCMA算法 | 第58-66页 |
| 4.3.1 稀疏性理论 | 第58-60页 |
| 4.3.2 基于混合范数约束的LSCMA算法 | 第60-63页 |
| 4.3.3 仿真结果及分析 | 第63-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第5章 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
