| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 信道特性判定技术 | 第12-13页 |
| 1.2.2 基于Hammerstein非线性信道的辨识算法 | 第13-14页 |
| 1.2.3 基于Hammerstein非线性信道的均衡算法 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文结构安排 | 第16-19页 |
| 第二章 非线性信道模型概述 | 第19-25页 |
| 2.1 Volterra级数模型 | 第19-20页 |
| 2.2 模块化非线性模型 | 第20-22页 |
| 2.2.1 Wiener模型 | 第20-21页 |
| 2.2.2 Hammerstein模型 | 第21-22页 |
| 2.3 基于Hammerstein模型的非线性信道传输特性分析 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 信道特性判定技术研究 | 第25-35页 |
| 3.1 信道记忆特性判定方法 | 第26-27页 |
| 3.1.1 线性模块系数估计 | 第26-27页 |
| 3.1.2 线性记忆深度估计 | 第27页 |
| 3.2 非线性特性判定方法 | 第27-29页 |
| 3.3 计算复杂度分析 | 第29-30页 |
| 3.4 仿真实验与性能分析 | 第30-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 Hammerstein模型的迭代辨识技术 | 第35-51页 |
| 4.1 Hammerstein模型的迭代辨识算法 | 第35-40页 |
| 4.1.1 随机梯度辨识算法 | 第35-36页 |
| 4.1.2 改进的随机梯度辨识算法 | 第36-40页 |
| 4.1.2.1 递阶辨识原理 | 第37页 |
| 4.1.2.2 多新息辨识理论 | 第37-38页 |
| 4.1.2.3 递阶多新息随机梯度辨识算法 | 第38-40页 |
| 4.2 复数域上Hammerstein模型的增广迭代辨识算法 | 第40-50页 |
| 4.2.1 增广随机梯度辨识算法 | 第40-41页 |
| 4.2.2 增广递阶多新息随机梯度辨识算法 | 第41-42页 |
| 4.2.3 发送序列的恢复 | 第42-44页 |
| 4.2.4 仿真实验与性能分析 | 第44-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 可变步长复核LMS自适应均衡算法 | 第51-65页 |
| 5.1 核方法 | 第51-52页 |
| 5.2 复核LMS算法 | 第52-56页 |
| 5.2.1 可再生核空间的复数化 | 第53页 |
| 5.2.2 Wirtinger’s微分的运用 | 第53-54页 |
| 5.2.3 复核LMS算法的推导 | 第54-56页 |
| 5.3 基于Sigmoid二次型隶属度函数的复核变步长LMS算法 | 第56-63页 |
| 5.3.1 Sigmoid二次型隶属度函数的变步长因子 | 第56-57页 |
| 5.3.2 基于Sigmoid二次型隶属度函数的复核变步长LMS算法 | 第57-59页 |
| 5.3.3 算法复杂度分析 | 第59页 |
| 5.3.4 仿真实验及性能分析 | 第59-63页 |
| 5.4 本章小结 | 第63-65页 |
| 结束语 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 附录A 命题1的详细推导 | 第75-77页 |
| 附录B 命题2的详细推导 | 第77-79页 |
| 附录C 文中主要英文缩写名词对照表 | 第79-81页 |
| 作者简介 | 第81页 |
