| 第一章 绪论 | 第1-18页 |
| ·研究盲均衡技术的意义 | 第7-8页 |
| ·盲均衡技术的研究现状 | 第8-16页 |
| ·基于Bussgang 性质的盲均衡算法 | 第9-12页 |
| ·基于高阶谱理论的盲均衡算法 | 第12-13页 |
| ·基于神经网络理论的盲均衡算法 | 第13-15页 |
| ·基于信号检测理论的盲均衡算法 | 第15-16页 |
| ·全文研究内容及章节安排 | 第16-18页 |
| 第二章 盲均衡技术的理论基础 | 第18-30页 |
| ·盲均衡的概念 | 第18-20页 |
| ·盲均衡器的结构 | 第20-21页 |
| ·盲均衡采用的基本算法 | 第21-25页 |
| ·最小均方算法(LMS) | 第22-23页 |
| ·递归最小二乘算法(RLS) | 第23-25页 |
| ·衡量算法收敛的性能指标 | 第25-30页 |
| ·收敛速度 | 第26页 |
| ·运算复杂度 | 第26页 |
| ·误码率 | 第26-27页 |
| ·稳态剩余误差 | 第27-28页 |
| ·跟踪时变信道的能力 | 第28-29页 |
| ·抗干扰能力 | 第29-30页 |
| 第三章 基于Bussgang 的盲均衡算法研究 | 第30-36页 |
| ·Bussgang 性质盲均衡算法的原理 | 第30-32页 |
| ·Bussgang 性质的盲均衡算法介绍 | 第32-36页 |
| ·决策指向算法(DD)介绍 | 第33页 |
| ·Sato 算法介绍 | 第33-34页 |
| ·Godard 算法介绍 | 第34-36页 |
| 第四章 恒模算法及其收敛性能分析 | 第36-44页 |
| ·恒模(CMA)算法介绍 | 第36-37页 |
| ·恒模算法的理论推导 | 第37-39页 |
| ·恒模算法收敛性能的分析 | 第39-44页 |
| 第五章 变步长恒模盲均衡算法 | 第44-58页 |
| ·变步长盲均衡算法的设计思想 | 第44页 |
| ·恒模算法中的剩余误差分析 | 第44-45页 |
| ·基于梯度矢量平均值的平方值的变步长恒模盲均衡算法 | 第45-58页 |
| ·改进算法的表达形式 | 第46-47页 |
| ·改进算法的理论分析 | 第47-51页 |
| ·改进算法与CMA 算法性能的比较 | 第51-55页 |
| ·算法跟踪时变信道和抗噪声干扰能力的比较 | 第55-58页 |
| 第六章 本文总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 摘要 | 第67-69页 |
| Abstract | 第69-72页 |
| 致谢 | 第72页 |