| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-31页 |
| ·研究背景与意义 | 第13-15页 |
| ·MCM 技术 | 第15-21页 |
| ·单载波传输系统 | 第15页 |
| ·多载波传输系统 | 第15-17页 |
| ·OFDM 系统 | 第17-19页 |
| ·WPT-MCM 系统 | 第19-20页 |
| ·MCM 系统的缺点 | 第20-21页 |
| ·MCM 通信系统的符号定时同步问题 | 第21-25页 |
| ·OFDM 通信系统的符号定时同步 | 第21-24页 |
| ·WPT-MCM 通信系统的符号定时同步 | 第24-25页 |
| ·MCM 系统的时域均衡问题 | 第25-28页 |
| ·OFDM 系统的时域均衡 | 第26-27页 |
| ·WPT-MCM 系统的时域均衡 | 第27-28页 |
| ·论文的主要结构和创新性研究 | 第28-31页 |
| 第二章 小波/小波包理论及WPT-MCM 通信系统 | 第31-49页 |
| ·傅立叶变换 | 第31-32页 |
| ·短时傅立叶变换 | 第32页 |
| ·小波变换的基本理论 | 第32-36页 |
| ·小波函数 | 第32-33页 |
| ·连续小波变换 | 第33-34页 |
| ·离散小波变换 | 第34-35页 |
| ·傅立叶变换、短时傅立叶变换和小波变换的比较 | 第35-36页 |
| ·多分辨率分析与Mallat 算法 | 第36-40页 |
| ·多分辨率分析 | 第36-39页 |
| ·Mallat 算法 | 第39-40页 |
| ·小波包理论 | 第40-45页 |
| ·小波包函数及其性质 | 第41-42页 |
| ·小波包函数的正交子空间分解 | 第42-44页 |
| ·小波包分解与重构算法 | 第44-45页 |
| ·WPT-MCM 系统 | 第45-48页 |
| ·WPT-MCM 系统的功率谱密度和带宽效率 | 第46-47页 |
| ·WPT-MCM 技术的特点 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第三章 WPT-MCM 通信系统的实现方案 | 第49-57页 |
| ·分形调制 | 第49-51页 |
| ·WPDM | 第51-52页 |
| ·BH-WPDM | 第52-53页 |
| ·WPDM 与OFDM 的性能比较 | 第53-54页 |
| ·WPT-MCM 通信系统的实现方案 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第四章 WPT-MCM 通信系统的符号定时同步 | 第57-84页 |
| ·符号定时同步的基本原理 | 第57-67页 |
| ·符号定时同步估计理论 | 第57-58页 |
| ·ML 估计原理 | 第58-62页 |
| ·ML 符号定时恢复 | 第62-67页 |
| ·MCM 系统的符号定时同步问题 | 第67-69页 |
| ·WPT-MCM 通信系统的符号定时同步问题 | 第69-70页 |
| ·WPT-MCM 基于判决辅助EKF 的自适应符号定时同步方案 | 第70-78页 |
| ·定时偏差关系模型 | 第71-72页 |
| ·EKF 算法 | 第72-73页 |
| ·基于EKF 的符号定时同步算法 | 第73-75页 |
| ·仿真结果 | 第75-78页 |
| ·改进的WPT-MCM 自适应符号定时同步方案 | 第78-83页 |
| ·EKF 的缺点 | 第78-79页 |
| ·基于UKF 的符号定时同步算法 | 第79-81页 |
| ·仿真结果 | 第81-83页 |
| ·小结 | 第83-84页 |
| 第五章 WPT-MCM 通信系统的自适应均衡 | 第84-110页 |
| ·均衡的基本理论 | 第84-89页 |
| ·码间串扰（ISI） | 第84-86页 |
| ·信道特性 | 第86-87页 |
| ·时域均衡原理 | 第87-88页 |
| ·时域均衡器的分类 | 第88-89页 |
| ·均衡技术对WPT-MCM 通信系统的影响 | 第89-92页 |
| ·WPM-MCM 通信系统在各种不同信道环境下的性能比较 | 第89-90页 |
| ·均衡技术对WPM-MCM 通信系统有效性分析 | 第90-92页 |
| ·基于WNN 的自适应均衡算法 | 第92-100页 |
| ·神经网络理论 | 第92-96页 |
| ·通信信道均衡过程 | 第96页 |
| ·WNN 均衡器 | 第96-97页 |
| ·基于EKF 的WNN 学习算法 | 第97-98页 |
| ·仿真结果 | 第98-100页 |
| ·基于RWNN 的自适应均衡算法 | 第100-108页 |
| ·RWNN 均衡器 | 第101-102页 |
| ·基于UKF 的RWNN 学习算法 | 第102-104页 |
| ·仿真结果 | 第104-108页 |
| ·小结 | 第108-110页 |
| 第六章 总结与展望 | 第110-113页 |
| ·工作总结 | 第110-112页 |
| ·未来工作的展望 | 第112-113页 |
| 参考文献 | 第113-125页 |
| 发表论文和科研情况说明 | 第125-127页 |
| 致谢 | 第127页 |
