| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-34页 |
| ·广义特征值问题 | 第13-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·课题应用背景 | 第19-28页 |
| ·CDMA概述 | 第20-25页 |
| ·MC-CDMA概况 | 第25-28页 |
| ·无线通信中的广义特征值问题 | 第28-31页 |
| ·论文的主要贡献 | 第31-32页 |
| ·论文的内容 | 第32-34页 |
| 第二章 优化理论 | 第34-48页 |
| ·向量和矩阵梯度 | 第34-35页 |
| ·无约束优化学习法则 | 第35-46页 |
| ·梯度下降法 | 第35-38页 |
| ·二阶学习算法 | 第38-41页 |
| ·自然梯度 | 第41-42页 |
| ·随机梯度下降法 | 第42-43页 |
| ·拟牛顿法 | 第43-46页 |
| ·约束优化学习规则 | 第46-47页 |
| ·拉格朗日算法 | 第46-47页 |
| ·约束集投影法 | 第47页 |
| ·小节 | 第47-48页 |
| 第三章 基于拟牛顿法的自适应特征分解算法 | 第48-64页 |
| ·前言 | 第48页 |
| ·非线性无约束损失函数 | 第48-51页 |
| ·估计单个主广义特征向量的拟牛顿算法 | 第51-53页 |
| ·估计P个主广义特征向量的拟牛顿算法 | 第53-56页 |
| ·算法收敛性分析 | 第56-59页 |
| ·仿真结果 | 第59-63页 |
| ·小结 | 第63-64页 |
| 第四章 基于RLS的自适应特征分解算法 | 第64-85页 |
| ·前言 | 第64页 |
| ·估计单个广义特征向量的RLS算法 | 第64-69页 |
| ·线性损失函数的建立 | 第64-67页 |
| ·估计单个广义特征向量的RLS算法 | 第67-69页 |
| ·估计P个广义特征向量的RLS算法 | 第69-76页 |
| ·线性无约束损失函数 | 第69-72页 |
| ·串行RLS算法 | 第72-74页 |
| ·并行RLS算法 | 第74-76页 |
| ·收敛性证明 | 第76-79页 |
| ·仿真结果 | 第79-84页 |
| ·小结 | 第84-85页 |
| 第五章 MC-DS-CDMA系统中的盲自适应接收技术 | 第85-95页 |
| ·前言 | 第85页 |
| ·MC-DS-CDMA系统 | 第85-89页 |
| ·改进MSINR准则 | 第89-90页 |
| ·基于拟牛顿法的MC-DS-CDMA盲自适应接收算法 | 第90-91页 |
| ·仿真结果 | 第91-93页 |
| ·结论 | 第93-95页 |
| 第六章 CDMA天线阵列波束形成技术 | 第95-104页 |
| ·前言 | 第95-96页 |
| ·自适应天线阵 | 第96-98页 |
| ·基于LAGRANGE的波束成形算法 | 第98-100页 |
| ·基于RLS的自适应波束形成技术 | 第100页 |
| ·仿真结果 | 第100-103页 |
| ·小结 | 第103-104页 |
| 第七章 总结和展望 | 第104-106页 |
| ·总结 | 第104-105页 |
| ·进一步的研究工作 | 第105-106页 |
| 参考文献 | 第106-113页 |
| 致谢 | 第113页 |