| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景与意义 | 第10-11页 |
| ·粒子滤波的发展和研究现状 | 第11-12页 |
| ·多用户检测技术的研究现状 | 第12-15页 |
| ·混沌信号分离技术的研究现状 | 第15-16页 |
| ·本文主要工作及章节安排 | 第16-18页 |
| 第2章 基本理论 | 第18-30页 |
| ·引言 | 第18页 |
| ·常见的滤波方法 | 第18-19页 |
| ·粒子滤波理论 | 第19-26页 |
| ·贝叶斯估计 | 第19-21页 |
| ·蒙特卡罗方法 | 第21-22页 |
| ·序贯重要性采样算法 | 第22-24页 |
| ·重要性密度函数的选择和重采样 | 第24-25页 |
| ·粒子滤波算法流程 | 第25-26页 |
| ·改进的粒子滤波算法 | 第26-27页 |
| ·MCMC 粒子滤波 | 第26-27页 |
| ·Rao-Blackwellised 粒子滤波 | 第27页 |
| ·随机集基本理论 | 第27-29页 |
| ·随机闭集 | 第27-28页 |
| ·随机有限集 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第3章 基于粒子滤波算法的时变多用户检测 | 第30-49页 |
| ·引言 | 第30页 |
| ·多用户检测基本理论 | 第30-33页 |
| ·多用户检测系统模型 | 第30-32页 |
| ·多用户检测的性能测度 | 第32-33页 |
| ·基于 MCMC 粒子滤波的多用户检测 | 第33-39页 |
| ·动态多用户系统的描述 | 第33-34页 |
| ·多用户的动态模型 | 第34-35页 |
| ·基于 MCMC 粒子滤波的多用户检测方法 | 第35-37页 |
| ·算法仿真与性能分析 | 第37-39页 |
| ·采用 Rao-Blackwellised 粒子滤波的时变多用户检测 | 第39-48页 |
| ·基于随机理论的动态多用户模型 | 第39-40页 |
| ·最佳集合估计器 | 第40-42页 |
| ·基于 Rao-Blackwellised 粒子滤波的多用户检测 | 第42-44页 |
| ·算法仿真与性能分析 | 第44-48页 |
| ·小结 | 第48-49页 |
| 第4章 动态环境下混沌信号的盲分离 | 第49-58页 |
| ·引言 | 第49页 |
| ·混沌信号分离基本理论 | 第49-51页 |
| ·混沌信号 | 第49-50页 |
| ·混沌信号分离模型 | 第50-51页 |
| ·源信号个数时变的混沌信号盲分离 | 第51-53页 |
| ·基于随机集理论的系统模型 | 第51-52页 |
| ·基于粒子滤波算法的混沌信号分离 | 第52-53页 |
| ·算法仿真与性能分析 | 第53-56页 |
| ·小结 | 第56-58页 |
| 第 5 章 总结与展望 | 第58-59页 |
| ·总结 | 第58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |