| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-19页 |
| ·论文的研究背景和意义 | 第13-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·粒子滤波的研究现状 | 第15-16页 |
| ·粒子滤波在通信信号处理中的应用现状 | 第16-17页 |
| ·论文主要内容及章节编排 | 第17-19页 |
| 第二章 粒子滤波 | 第19-34页 |
| ·状态空间模型 | 第19页 |
| ·贝叶斯估计与蒙特卡洛方法 | 第19-25页 |
| ·贝叶斯估计 | 第19-21页 |
| ·蒙特卡洛方法 | 第21-25页 |
| ·粒子滤波算法 | 第25-33页 |
| ·序惯重要性抽样 | 第25-27页 |
| ·优化技术 | 第27-32页 |
| ·重要性函数的选取 | 第27-30页 |
| ·重抽样 | 第30-32页 |
| ·粒子滤波算法框架 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于粒子滤波的单通道同频信号盲分离算法 | 第34-43页 |
| ·单通道混合信号的可分离性 | 第34-36页 |
| ·单通道同频信号盲分离的系统模型 | 第36-39页 |
| ·PCMA 卫星通信系统 | 第36-38页 |
| ·盲分离系统模型 | 第38-39页 |
| ·基于粒子滤波的单通道同频信号盲分离 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于动态粒子滤波的单通道同频信号盲分离算法 | 第43-54页 |
| ·基于粒子滤波的盲分离算法存在的问题 | 第43-44页 |
| ·基于动态粒子滤波的单通道盲分离 | 第44-50页 |
| ·基于改进粒子滤波的参数估计 | 第44-47页 |
| ·基于最大似然准则的信号检测 | 第47-49页 |
| ·算法框架 | 第49-50页 |
| ·仿真结果与分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 粒子滤波的降维技术-混合卡尔曼滤波 | 第54-68页 |
| ·混合卡尔曼滤波 | 第54-55页 |
| ·基于混合卡尔曼滤波的信道-数据联合估计 | 第55-60页 |
| ·系统状态空间模型 | 第55-56页 |
| ·混合卡尔曼滤波算法原理 | 第56-58页 |
| ·信道-数据联合估计算法框架 | 第58-60页 |
| ·基于卡尔曼滤波-M 算法的信道-数据联合估计 | 第60-64页 |
| ·原算法存在的问题 | 第60-61页 |
| ·基于卡尔曼滤波-M 算法的信道-数据联合估计 | 第61-63页 |
| ·算法框架 | 第63-64页 |
| ·改进算法的有效性分析 | 第64-65页 |
| ·仿真结果与分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·未来研究工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 个人简历 | 第74-75页 |
| 攻读硕士学位期间的研究成果 | 第75-76页 |