| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第10-16页 |
| 1.1 选题背景及研究意义 | 第10-12页 |
| 1.2 国内外研究现状分析 | 第12-14页 |
| 1.3 本文的主要研究内容与结构安排 | 第14-16页 |
| 第二章 盲均衡技术概述 | 第16-25页 |
| 2.1 盲均衡的基本原理 | 第16-17页 |
| 2.2 盲均衡的理论基础 | 第17-20页 |
| 2.2.1 置零条件 | 第17-18页 |
| 2.2.2 充要条件 | 第18-19页 |
| 2.2.3 归一化条件 | 第19-20页 |
| 2.3 Bussgang类盲均衡算法 | 第20-24页 |
| 2.3.1 Bussgang类盲均衡算法分类 | 第20-22页 |
| 2.3.2 CMA盲均衡算法原理 | 第22页 |
| 2.3.3 CMA盲均衡算法实验 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于支持向量回归机的盲均衡算法 | 第25-34页 |
| 3.1 支持向量回归机理论概述 | 第25-26页 |
| 3.2 基于支持向量回归机的盲均衡算法 | 第26-28页 |
| 3.3 基于IRWLS算法改进的支持向量回归机盲均衡算法 | 第28-30页 |
| 3.4 仿真实验 | 第30-33页 |
| 3.4.1 实验设计 | 第30-31页 |
| 3.4.2 实验结果与分析 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于双支持向量回归机的盲均衡算法 | 第34-48页 |
| 4.1 双支持向量回归机理论概述 | 第34-35页 |
| 4.2 基于双支持向量回归机的盲均衡算法 | 第35-41页 |
| 4.2.1 基于IRWQP的双支持向量机盲均衡算法 | 第35-36页 |
| 4.2.2 基于IRWLS算法改进的双支持向量回归机常模盲均衡算法 | 第36-40页 |
| 4.2.3 基于双支持向量机的多模信号盲均衡算法 | 第40-41页 |
| 4.3 仿真实验 | 第41-47页 |
| 4.3.1 常模信号的线性盲均衡实验 | 第42-45页 |
| 4.3.2 多模信号的线性盲均衡实验 | 第45-46页 |
| 4.3.3 常模信号的非线性盲均衡实验 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于双支持向量机和数据重用技术的短时突发信号盲均衡方法 | 第48-56页 |
| 5.1 短时突发信号盲均衡的应用 | 第48页 |
| 5.2 数据重用技术 | 第48-50页 |
| 5.2.1 数据重用技术用于CMA算法 | 第49页 |
| 5.2.2 数据重用技术用于基于双支持向量回归机的盲均衡 | 第49-50页 |
| 5.3 仿真实验 | 第50-54页 |
| 5.3.1 基于数据重用技术的CMA算法实验分析 | 第50-51页 |
| 5.3.2 基于数据重用技术的双支持向量回归机盲均衡算法实验 | 第51-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 总结和展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 在学期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
