| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| §1-1 研究背景与意义 | 第8-9页 |
| §1-2 盲均衡技术的研究现状 | 第9-13页 |
| 1-2-1 基于Bussgang 性质的盲均衡算法 | 第9-11页 |
| 1-2-2 基于高阶谱理论的盲均衡算法 | 第11-12页 |
| 1-2-3 基于神经网络理论的盲均衡算法 | 第12-13页 |
| 1-2-4 基于信号检测理论的盲均衡算法 | 第13页 |
| §1-3 本论文主要研究内容及章节安排 | 第13-15页 |
| 第二章 盲均衡技术的理论基础 | 第15-26页 |
| §2-1 盲均衡的概念 | 第15-17页 |
| §2-2 盲均衡器的结构 | 第17-18页 |
| §2-3 盲均衡采用的基本算法 | 第18-23页 |
| 2-3-1 最小均方(LMS)算法 | 第18-20页 |
| 2-3-2 递归最小二乘(RLS)算法 | 第20-23页 |
| §2-4 衡量算法收敛的性能指标 | 第23-26页 |
| 2-4-1 收敛速度 | 第23页 |
| 2-4-2 稳态剩余误差 | 第23-24页 |
| 2-4-3 误码率 | 第24-26页 |
| 第三章 Bussgang 盲均衡算法 | 第26-31页 |
| §3-1 Bussgang 过程定义 | 第26页 |
| §3-2 Bussgang 盲均衡算法的基本原理 | 第26-28页 |
| §3-3 Bussgang 性质的盲均衡算法 | 第28-31页 |
| 3-3-1 决策指向算法(DD) | 第28-29页 |
| 3-3-2 Sato 算法 | 第29-30页 |
| 3-3-3 Godard 算法 | 第30-31页 |
| 第四章 恒模算法及其收敛性能分析 | 第31-38页 |
| §4-1 恒模(CMA)算法 | 第31页 |
| §4-2 恒模算法的理论推导 | 第31-34页 |
| §4-3 恒模算法收敛性能的分析 | 第34-38页 |
| 第五章 一种改进的变步长恒模盲均衡算法 | 第38-46页 |
| §5-1 变步长盲均衡算法的设计思想 | 第38页 |
| §5-2 恒模算法中的剩余误差分析 | 第38-39页 |
| §5-3 基于梯度矢量均值的平方值的变步长恒模盲均衡算法 | 第39-46页 |
| 5-3-1 改进算法的表达形式 | 第39-40页 |
| 5-3-2 改进算法的理论分析 | 第40-42页 |
| 5-3-3 改进算法与CMA 算法性能的比较 | 第42-46页 |
| 第六章 总结与展望 | 第46-48页 |
| §6-1 总结 | 第46页 |
| §6-2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间所取得的相关科研成果 | 第52页 |