认知无线电系统的动态信道参数估计研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 引言 | 第9页 |
| 1.2 课题研究的背景和意义 | 第9-10页 |
| 1.3 认知无线电关键技术 | 第10-14页 |
| 1.3.1 频谱感知 | 第11-12页 |
| 1.3.2 频谱管理 | 第12-13页 |
| 1.3.3 频谱共享 | 第13-14页 |
| 1.4 信道估计 | 第14-16页 |
| 1.4.1 基于导频信号的信道估计 | 第14-15页 |
| 1.4.2 盲信道估计和半盲信道估计 | 第15-16页 |
| 1.5 本论文主要工作及论文结构 | 第16-19页 |
| 第二章 非高斯噪声下的信道估计的研究 | 第19-33页 |
| 2.1 状态空间法 | 第19-20页 |
| 2.2 自回归模型 | 第20-21页 |
| 2.3 Alpha稳定分布 | 第21-23页 |
| 2.4 粒子滤波概述 | 第23-29页 |
| 2.4.1 贝叶斯估计 | 第24-25页 |
| 2.4.2 蒙特卡罗方法 | 第25-26页 |
| 2.4.3 序贯重要性采样 | 第26-28页 |
| 2.4.4 粒子滤波 | 第28-29页 |
| 2.5 粒子滤波的重采样算法 | 第29-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第三章 动态信道估计算法的实现和优化 | 第33-45页 |
| 3.1 粒子群优化算法 | 第33-35页 |
| 3.2 改进的粒子群算法 | 第35-40页 |
| 3.2.1 邻域启发算法 | 第36-37页 |
| 3.2.2 云理论 | 第37-39页 |
| 3.2.3 基于邻域启发和云进化的粒子群算法 | 第39-40页 |
| 3.3 动态信道参数估计模型的设计 | 第40-43页 |
| 3.3.1 非高斯背景噪声 | 第40-41页 |
| 3.3.2 状态空间模型的方法实现 | 第41-43页 |
| 3.4 改进算法的最终实现与优化 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 算法仿真和结果分析 | 第45-53页 |
| 4.1 三种信道估计算法性能的比较 | 第45-48页 |
| 4.2 不同情况下信道估计性能的比较 | 第48-53页 |
| 第五章 结论与展望 | 第53-55页 |
| 5.1 结论 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间发表的学术论文 | 第61页 |
