机器学习在无线通信中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 概述 | 第9-17页 |
| ·研究背景 | 第9页 |
| ·机器学习概述 | 第9-14页 |
| ·机器学习的发展历史 | 第9-11页 |
| ·机器学习的分类 | 第11-13页 |
| ·机器学习的发展趋势 | 第13-14页 |
| ·多用户检测问题 | 第14-15页 |
| ·信道均衡问题 | 第15-16页 |
| ·本文研究内容和成果 | 第16-17页 |
| 第二章 系统模型 | 第17-30页 |
| ·一些说明 | 第17-18页 |
| ·多用户检测的系统模型 | 第18-24页 |
| ·同步DS-CDMA系统模型 | 第19-20页 |
| ·多用户检测 | 第20-21页 |
| ·解相关检测器 | 第21-23页 |
| ·最小均方误差检测器 | 第23-24页 |
| ·小结 | 第24页 |
| ·信道均衡的系统模型 | 第24-29页 |
| ·无线信道 | 第24-26页 |
| ·信道均衡 | 第26-27页 |
| ·最小均方误差均衡器 | 第27-29页 |
| ·小结 | 第29页 |
| ·小结 | 第29-30页 |
| 第三章 高斯过程 | 第30-40页 |
| ·高斯过程介绍 | 第30-34页 |
| ·从权域引入高斯过程 | 第30-32页 |
| ·从函数域引入高斯过程 | 第32-33页 |
| ·小结 | 第33-34页 |
| ·超参数的选择 | 第34-35页 |
| ·高斯过程的优点与缺点 | 第35-36页 |
| ·稀疏高斯过程 | 第36-39页 |
| ·回归量子集近似 | 第36-38页 |
| ·稀疏谱近似 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于高斯过程的多用户检测 | 第40-46页 |
| ·基于回归量子集近似高斯过程多用户检测方法 | 第40-41页 |
| ·基于稀疏谱近似高斯过程多用户检测方法 | 第41-42页 |
| ·仿真结果与讨论 | 第42-43页 |
| ·小结 | 第43-46页 |
| 第五章 基于高斯过程的信道均衡 | 第46-52页 |
| ·基于回归量子集近似高斯过程信道均衡 | 第47页 |
| ·基于稀疏谱近似高斯过程信道均衡 | 第47-48页 |
| ·仿真结果与讨论 | 第48-51页 |
| ·小结 | 第51-52页 |
| 第六章 总结 | 第52-55页 |
| ·论文总结 | 第52-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 科研成果 | 第61-62页 |
| 致谢 | 第62-63页 |
