压缩感知在超宽带信道估计中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-36页 |
| ·引言 | 第12-14页 |
| ·超宽带通信技术简介 | 第14-19页 |
| ·超宽带技术的概况 | 第14-16页 |
| ·超宽带技术的发展现状 | 第16-17页 |
| ·脉冲超宽带系统的关键技术 | 第17-19页 |
| ·压缩感知技术的基本概念 | 第19-28页 |
| ·压缩感知理论的结构 | 第20-22页 |
| ·信号的稀疏表示 | 第22-23页 |
| ·非相干的信号观测 | 第23-26页 |
| ·重构算法 | 第26-27页 |
| ·压缩感知技术的应用 | 第27-28页 |
| ·超宽带压缩感知的关键技术 | 第28-31页 |
| ·脉冲超宽带信号的稀疏性 | 第28-30页 |
| ·脉冲超宽带信号的观测和重构 | 第30-31页 |
| ·论文的研究内容及主要成果 | 第31-33页 |
| 参考文献 | 第33-36页 |
| 第2章 基于贝叶斯压缩感知的超宽带信道估计 | 第36-60页 |
| ·现有的超宽带信道估计技术 | 第36-41页 |
| ·超宽带信道模型 | 第36-40页 |
| ·超宽带信道估计技术现状 | 第40-41页 |
| ·贝叶斯压缩感知 | 第41-46页 |
| ·贝叶斯框架 | 第42-44页 |
| ·相关向量机求解贝叶斯压缩感知 | 第44-46页 |
| ·基于贝叶斯压缩感知的信道估计 | 第46-52页 |
| ·超宽带压缩感知模型 | 第47-50页 |
| ·贝叶斯重构算法 | 第50-52页 |
| ·仿真和讨论 | 第52-54页 |
| ·仿真参数设置 | 第52页 |
| ·仿真结果 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 第3章 基于卡尔曼滤波压缩感知的超宽带信道估计 | 第60-80页 |
| ·卡尔曼滤波压缩感知 | 第61-68页 |
| ·卡尔曼滤波算法简介 | 第61-64页 |
| ·卡尔曼滤波压缩感知算法 | 第64-68页 |
| ·超宽带时变信道估计 | 第68-72页 |
| ·时变超宽带信道模型 | 第68-70页 |
| ·KF-CS超宽带时变信道估计模型 | 第70-72页 |
| ·仿真和讨论 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 第4章 认知超宽带网络中基于图模型的信道重构 | 第80-106页 |
| ·认知无线电的基本概念和关键技术 | 第81-85页 |
| ·认知无线电技术的基本概念 | 第81-82页 |
| ·认知超宽带的关键技术 | 第82-85页 |
| ·现有的频谱感知方式 | 第85-89页 |
| ·本地检测算法 | 第86-88页 |
| ·协作感知算法 | 第88-89页 |
| ·感知机制 | 第89页 |
| ·稀疏信道协作频谱感知模型 | 第89-95页 |
| ·稀疏信道模型 | 第90-92页 |
| ·多认知用户协作感知 | 第92-95页 |
| ·基于图模型的重构算法 | 第95-99页 |
| ·贝叶斯推理 | 第95-97页 |
| ·图模型重构算法 | 第97-99页 |
| ·仿真和讨论 | 第99-101页 |
| ·本章小结 | 第101-102页 |
| 参考文献 | 第102-106页 |
| 第5章 基于稀疏信道模型的认知超宽带信道分配 | 第106-122页 |
| ·现有认知网络信道分配模型 | 第106-110页 |
| ·基于稀疏信道模型的信道分配 | 第110-117页 |
| ·认知超宽带用户干扰模型 | 第111-113页 |
| ·基于稀疏信道模型的信道分配 | 第113-117页 |
| ·仿真与讨论 | 第117-118页 |
| ·本章小结 | 第118-120页 |
| 参考文献 | 第120-122页 |
| 第6章 总结与展望 | 第122-126页 |
| ·论文的主要研究成果 | 第122-124页 |
| ·下一步工作展望 | 第124-126页 |
| 图表索引 | 第126-128页 |
| 致谢 | 第128-129页 |
| 攻读学位期间发表的学术论文目录 | 第129-130页 |
