| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 信道估计的研究现状 | 第16-21页 |
| 1.2.1 传统信道估计算法的研究 | 第16-18页 |
| 1.2.2 基于深度学习的信道估计研究 | 第18-21页 |
| 1.3 本文的主要工作和结构 | 第21-23页 |
| 1.3.1 论文主要工作 | 第21-22页 |
| 1.3.2 论文组织结构 | 第22-23页 |
| 第2章 背景知识 | 第23-33页 |
| 2.1 相关概念及基本原理 | 第23-26页 |
| 2.1.1 深度神经网络 | 第23-25页 |
| 2.1.2 元学习算法策略 | 第25-26页 |
| 2.2 深度学习与智能通信 | 第26-31页 |
| 2.2.1 基于深度学习的信号检测 | 第27-29页 |
| 2.2.2 基于深度学习的信道估计 | 第29-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第3章 基于元学习的OFDM信道估计算法研究 | 第33-49页 |
| 3.1 引言 | 第33-34页 |
| 3.2 系统模型与问题分析 | 第34-35页 |
| 3.3 信道估计方案设计 | 第35-39页 |
| 3.4 算法有效性分析 | 第39-43页 |
| 3.5 仿真实验 | 第43-47页 |
| 3.5.1 仿真参数说明 | 第43-44页 |
| 3.5.2 仿真结果与分析 | 第44-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第4章 基于深度学习的大规模MIMO信道估计算法研究 | 第49-67页 |
| 4.1 引言 | 第49-50页 |
| 4.2 系统模型与问题分析 | 第50-53页 |
| 4.3 相关信道模型 | 第53-56页 |
| 4.4 信道估计方案设计 | 第56-60页 |
| 4.4.1 算法与方案设计 | 第57-59页 |
| 4.4.2 深度神经网络设计 | 第59-60页 |
| 4.5 仿真实验与实测数据验证 | 第60-65页 |
| 4.5.1 仿真参数说明 | 第60-61页 |
| 4.5.2 仿真结果与分析 | 第61-64页 |
| 4.5.3 实测数据验证 | 第64-65页 |
| 4.6 本章小结 | 第65-67页 |
| 第5章 结束语 | 第67-71页 |
| 5.1 论文工作总结 | 第67-68页 |
| 5.2 未来展望 | 第68-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 在读期间发表的学术论文与取得的研究成果 | 第77页 |