| 第一章 绪论 | 第1-31页 |
| 1．1 引言 | 第14-15页 |
| 1．2 智能天线的研究状况 | 第15-17页 |
| 1．3 智能天线技术 | 第17-29页 |
| 1．3．1 智能天线模型 | 第17-22页 |
| 1．3．2 智能天线在CDMA系统的应用 | 第22-27页 |
| 1．3．3 基于神经网络的智能天线研究 | 第27-29页 |
| 1．4 本文的研究内容和主要贡献 | 第29-31页 |
| 第二章 自适应波束形成算法的比较研究 | 第31-52页 |
| 2．1 引言 | 第31-33页 |
| 2．2 自适应波束形成非盲算法的比较 | 第33-44页 |
| 2．2．1 LMS算法 | 第33-36页 |
| 2．2．2 SMI算法 | 第36-39页 |
| 2．2．3 RLS算法 | 第39-41页 |
| 2．2．4 性能比较 | 第41-44页 |
| 2．3 自适应波束形成盲算法的研究 | 第44-51页 |
| 2．3．1 引言 | 第44-46页 |
| 2．3．2 CDMA系统中自适应盲波束形成的研究 | 第46-51页 |
| 2．3．2．1 模型 | 第47-48页 |
| 2．3．2．2 改进的方案 | 第48-49页 |
| 2．3．2．3 仿真结果 | 第49-51页 |
| 2．4 小结 | 第51-52页 |
| 第三章 自适应功率控制的研究 | 第52-63页 |
| 3．1 自适应功率控制 | 第52-57页 |
| 3．1．1 算法方案 | 第52-54页 |
| 3．1．2 数值仿真 | 第54-57页 |
| 3．2 OFDM系统的自适应发射功率控制 | 第57-62页 |
| 3．2．1 模型 | 第58-59页 |
| 3．2．2 比特分配算法 | 第59-60页 |
| 3．2．3 模拟结果 | 第60-62页 |
| 3．3 小结 | 第62-63页 |
| 第四章 基于MUSIC和神经网络的波达方向估计 | 第63-77页 |
| 4．1 引言 | 第63-64页 |
| 4．2 MUSIC算法介绍 | 第64-67页 |
| 4．3 修正的MUSIC的仿真 | 第67-69页 |
| 4．4 MMUSIC算法用于宽带源相干源波达方向的估计 | 第69-72页 |
| 4．4．1 建立模型 | 第70-71页 |
| 4．4．2 数值模拟 | 第71-72页 |
| 4．5 基于神经网络的DOA估计 | 第72-76页 |
| 4．5．1 聚类方法 | 第72-74页 |
| 4．5．2 网络训练 | 第74页 |
| 4．5．3 模拟结果 | 第74-76页 |
| 4．6 小结 | 第76-77页 |
| 第五章 基于神经网络的噪声消除和盲信号分离 | 第77-89页 |
| 5．1 引言 | 第77-78页 |
| 5．2 基于神经网络的非线性噪声消除 | 第78-80页 |
| 5．3 盲信号分离原理 | 第80-84页 |
| 5．4 基于神经网络的盲信号分离 | 第84-88页 |
| 5．4．1 信号的白化处理 | 第84-85页 |
| 5．4．2 分离层权调整 | 第85页 |
| 5．4．3 仿真结果 | 第85-88页 |
| 5．5 小结 | 第88-89页 |
| 第六章 基于神经网络方法波束形成的研究 | 第89-97页 |
| 6．1 引言 | 第89页 |
| 6．2 基于神经网络方法波盲束形成 | 第89-93页 |
| 6．2．1 理论模型 | 第89-92页 |
| 6．2．2 仿真结果 | 第92-93页 |
| 6．3 在线学习的神经网络波束形成器 | 第93-96页 |
| 6．3．1 网络训练 | 第94-95页 |
| 6．3．2 模拟结果 | 第95-96页 |
| 6．4 小结 | 第96-97页 |
| 第七章 结束语 | 第97-98页 |
| 参考文献 | 第98-109页 |
| 作者在读期间发表及己完成的论文 | 第109-110页 |
| 致谢 | 第110页 |