| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-21页 |
| ·研究背景及意义 | 第10-11页 |
| ·非线性模型的研究现状 | 第11-14页 |
| ·非线性盲辨识及补偿方法研究现状 | 第14-19页 |
| ·本文的研究内容和安排 | 第19-21页 |
| 2 用于数字接收机盲辨识的非线性模型 | 第21-58页 |
| ·数字接收机的非线性失真 | 第21-23页 |
| ·无记忆非线性模型 | 第23-41页 |
| ·记忆非线性模型 | 第41-52页 |
| ·非线性辨识与补偿对采样率的要求 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 3 Volterra模型与Hammerstein模型的辨识性能 | 第58-78页 |
| ·带外功率最小辨识准则 | 第58-62页 |
| ·盲辨识及补偿算法 | 第62-69页 |
| ·实验结果及分析 | 第69-76页 |
| ·本章小结 | 第76-78页 |
| 4 基于高阶统计量的非线性模型记忆效应盲辨识 | 第78-102页 |
| ·基于高阶统计量的Volterra模型辨识 | 第78-87页 |
| ·高阶白噪声对线性系统的辨识 | 第87-90页 |
| ·Hammerstein模型的记忆效应盲辨识 | 第90-101页 |
| ·本章小结 | 第101-102页 |
| 5 基于峰度的Hammerstein模型非线性效应辨识 | 第102-122页 |
| ·归一化峰度及性质 | 第102-104页 |
| ·Hammerstein模型输出信号的归一化峰度 | 第104-109页 |
| ·中等强度非线性系统的盲辨识与补偿 | 第109-115页 |
| ·弱非线性系统盲辨识的策略 | 第115-121页 |
| ·本章小结 | 第121-122页 |
| 6 全文总结与展望 | 第122-125页 |
| ·全文总结 | 第122-123页 |
| ·展望 | 第123-125页 |
| 致谢 | 第125-126页 |
| 参考文献 | 第126-137页 |
| 附录1 攻读学位期间发表论文目录 | 第137-138页 |
| 附录2 高阶统计量基础理论 | 第138-146页 |