摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
缩略词表 | 第12-13页 |
符号说明 | 第13-15页 |
第一章 绪论 | 第15-21页 |
1.1 压缩感知的背景与应用 | 第15-17页 |
1.1.1 压缩感知的研究背景 | 第15页 |
1.1.2 压缩感知的主要应用 | 第15-17页 |
1.1.2.1 图像处理应用 | 第16页 |
1.1.2.2 生物学应用 | 第16页 |
1.1.2.3 通信应用 | 第16-17页 |
1.2 多天线与超宽带系统 | 第17-18页 |
1.2.1 多天线系统 | 第17页 |
1.2.2 超宽带系统 | 第17-18页 |
1.3 课题来源与主要研究内容 | 第18-19页 |
1.4 本论文的结构安排 | 第19-21页 |
第二章 压缩感知概述与通信系统模型 | 第21-32页 |
2.1 引言 | 第21页 |
2.2 压缩感知概述 | 第21-22页 |
2.3 压缩感知的主要重构算法 | 第22-26页 |
2.3.1 凸优化算法 | 第22-23页 |
2.3.2 贪婪算法 | 第23-24页 |
2.3.3 贝叶斯算法 | 第24-26页 |
2.4 MIMO系统波束成形 | 第26-29页 |
2.4.1 基于非码本的波束成形 | 第26-28页 |
2.4.2 基于码本的波束成形 | 第28-29页 |
2.5 超宽带信道分析 | 第29-31页 |
2.5.1 超宽带信道传播特点 | 第29-30页 |
2.5.2 超宽带信道模型 | 第30-31页 |
2.6 本章小结 | 第31-32页 |
第三章 基于匹配追踪的大规模MIMO波束矢量搜索算法 | 第32-46页 |
3.1 引言 | 第32页 |
3.2 级数迭代波束成形技术 | 第32-35页 |
3.3 基于匹配追踪的大规模MIMO波束矢量搜索算法 | 第35-41页 |
3.3.1 大规模MIMO信道分析 | 第35-37页 |
3.3.2 算法介绍 | 第37-41页 |
3.4 仿真结果 | 第41-45页 |
3.5 本章小结 | 第45-46页 |
第四章 基于贝叶斯压缩感知的超宽带信道估计算法 | 第46-65页 |
4.1 引言 | 第46页 |
4.2 问题描述 | 第46-47页 |
4.3 字典设计 | 第47-49页 |
4.3.1 多径字典 | 第47-48页 |
4.3.2 本征字典 | 第48-49页 |
4.4 算法介绍 | 第49-59页 |
4.4.1 第一种改进贝叶斯算法 | 第51-52页 |
4.4.2 第二种改进贝叶斯算法 | 第52-57页 |
4.4.2.1 初始化方法 | 第52-53页 |
4.4.2.2 更新变量的选择 | 第53-55页 |
4.4.2.3 超参数更新 | 第55-57页 |
4.4.3 多任务 | 第57-59页 |
4.5 仿真结果 | 第59-63页 |
4.6 本章小结 | 第63-65页 |
第五章 全文总结 | 第65-67页 |
5.1 本文的贡献 | 第65页 |
5.2 未来研究方向展望 | 第65-67页 |
致谢 | 第67-68页 |
参考文献 | 第68-71页 |
攻读硕士学位期间参与的项目和取得的成果 | 第71-73页 |
附件 | 第73-76页 |