自适应多用户检测算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·多用户检测技术发展趋势 | 第14页 |
| ·自适应信号处理 | 第14-15页 |
| ·本文研究重点及章节安排 | 第15-16页 |
| 本章小结 | 第16-17页 |
| 第二章 多用户检测技术 | 第17-27页 |
| ·多用户检测引入的必要性 | 第17页 |
| ·多用户检测技术的理论基础 | 第17-20页 |
| ·数学模型 | 第18-19页 |
| ·多用户检测技术性能评价 | 第19-20页 |
| ·几种常用的多用户检测器 | 第20-25页 |
| ·最小输出能量(MOE)盲多用户检测算法 | 第20-22页 |
| ·恒模（CMA）盲多用户检测算法 | 第22-23页 |
| ·盲多用户检测Kalman 的自适应滤波算法 | 第23-25页 |
| ·多用户检测中存在的问题 | 第25页 |
| ·多用户检测技术的应用 | 第25-26页 |
| 本章小结 | 第26-27页 |
| 第三章 盲源分离技术 | 第27-42页 |
| ·盲源分离的基础知识 | 第27-31页 |
| ·高阶统计基础 | 第27页 |
| ·不相关与相互独立 | 第27-28页 |
| ·离散、随机信源的熵 | 第28-29页 |
| ·非高斯性的度量——峭度、负熵 | 第29-30页 |
| ·随机向量的白化 | 第30-31页 |
| ·盲源分离技术的理论基础 | 第31-34页 |
| ·盲源分离的数学模型 | 第31-33页 |
| ·盲分离求解准则 | 第33-34页 |
| ·盲源分离算法 | 第34-40页 |
| ·PCA 方法 | 第34-36页 |
| ·ICA 方法 | 第36-39页 |
| ·S-ICA 方法 | 第39-40页 |
| ·算法中非线性函数的选取原则 | 第40-41页 |
| 本章小结 | 第41-42页 |
| 第四章 基于信息最大化法的盲多用户检测 | 第42-51页 |
| ·盲分离算法用于盲多用户检测的意义 | 第42-43页 |
| ·算法的选择 | 第43页 |
| ·信息最大化算法（Infomax） | 第43-46页 |
| ·基于Infomax 的盲多用户检测算法 | 第46-47页 |
| ·实验及仿真结果分析 | 第47-50页 |
| 本章小结 | 第50-51页 |
| 第五章 基于快速定点独立分量分析法的盲多用户检测 | 第51-56页 |
| ·快速定点独立分量分析法（FastICA） | 第51-52页 |
| ·基于FastICA 算法的盲多用户检测 | 第52-53页 |
| ·实验及仿真结果分析 | 第53-55页 |
| 本章小结 | 第55-56页 |
| 第六章 基于统一理论框架下的两类ICA 算法 | 第56-63页 |
| ·KL 散度及其性质 | 第56-57页 |
| ·基于KL 的随机向量的相依性，相关性和非高斯性 | 第57-59页 |
| ·ICA 方法的统一理论框架 | 第59页 |
| ·实用ICA 方法与理论框架的关系 | 第59-63页 |
| ·基于互信息最小化的ICA | 第59-61页 |
| ·基于非高斯性最大化的ICA | 第61-62页 |
| ·两类ICA 算法在寻优过程中的不变量 | 第62页 |
| ·仿真实验与结果分析 | 第62-63页 |
| 本章小结 | 第63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68-69页 |
