| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 图录 | 第11-13页 |
| 表录 | 第13-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 基于 HOS 的盲辨识/均衡算法 | 第15-16页 |
| 1.2.2 基于 SOS 的盲辨识/均衡算法 | 第16-18页 |
| 1.3 面临的问题和研究思路 | 第18-19页 |
| 1.3.1 面临主要问题 | 第18页 |
| 1.3.2 研究思路 | 第18-19页 |
| 1.4 论文主要工作及结构安排 | 第19-22页 |
| 第二章 信道模型和盲辨识条件 | 第22-30页 |
| 2.1 采样模型 | 第22-24页 |
| 2.1.1 波特采样 | 第22-23页 |
| 2.1.2 分数采样 | 第23-24页 |
| 2.2 SIMO 信道模型 | 第24-27页 |
| 2.2.1 过采样模型 | 第24-25页 |
| 2.2.2 多天线模型 | 第25-27页 |
| 2.3 可辨识性条件 | 第27页 |
| 2.3.1 信道条件 | 第27页 |
| 2.3.2 信源条件 | 第27页 |
| 2.4 信道估计的评价准则 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于 SOS 的确定性盲辨识算法 | 第30-44页 |
| 3.1 确定性盲估计方法性能界 | 第30-31页 |
| 3.2 确定性 SOS 盲方法 | 第31-37页 |
| 3.2.1 CR 算法 | 第32-33页 |
| 3.2.2 SS 算法 | 第33-34页 |
| 3.2.3 TSML 算法 | 第34-35页 |
| 3.2.4 仿真分析 | 第35-37页 |
| 3.3 短突发条件下的盲信道估计算法 | 第37-43页 |
| 3.3.1 F‐MCR 算法描述 | 第38-41页 |
| 3.3.2 运算复杂度分析 | 第41页 |
| 3.3.3 仿真分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 稳健的信道阶数估计算法及联合算法 | 第44-62页 |
| 4.1 引言 | 第44-45页 |
| 4.2 信道的有效阶数 | 第45-46页 |
| 4.3 经典的阶数估计算法 | 第46-49页 |
| 4.3.1 Liavas 算法 | 第46页 |
| 4.3.2 NECOE 算法 | 第46-48页 |
| 4.3.3 CMR 算法 | 第48-49页 |
| 4.4 基于子空间信道矩阵迭代的阶数估计算法(SS‐CMR) | 第49-51页 |
| 4.5 联合阶数估计和信道辨识的盲辨识算法 | 第51-56页 |
| 4.5.1 联合阶数估计和信道辨识的最小二乘平滑算法(J‐LSS) | 第51-54页 |
| 4.5.2 基于 EM 的联合阶数和信道辨识的子空间算法(EM J‐SS) | 第54-56页 |
| 4.6 仿真分析 | 第56-60页 |
| 4.7 本章小结 | 第60-62页 |
| 第五章 阶数误差鲁棒的确定性算法 | 第62-76页 |
| 5.1 引言 | 第62页 |
| 5.2 信道零点分布与可辨识性关系 | 第62-69页 |
| 5.2.1 阶数过估计和不满足互质条件时估计信道零点分析 | 第62-63页 |
| 5.2.2 有噪情况下的近零点信道 | 第63-64页 |
| 5.2.3 LSS/SS 算法阶数过估计时公零点分布 | 第64-65页 |
| 5.2.4 基于零点聚类的信道盲辨识算法 | 第65-66页 |
| 5.2.5 仿真分析 | 第66-69页 |
| 5.3 阶数过估计鲁棒的确定性算法 | 第69-72页 |
| 5.3.1 阶数鲁棒性 CR 算法 | 第69-70页 |
| 5.3.2 基于 FOCUSS 的阶数鲁棒性 CR 算法 | 第70-71页 |
| 5.3.3 基于 FOCUSS 的阶数鲁棒性 SS 算法 | 第71-72页 |
| 5.4 仿真分析 | 第72-74页 |
| 5.5 本章小结 | 第74-76页 |
| 结束语 | 第76-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 附录 | 第87-90页 |
| 作者简历 | 第90页 |
