基于量子克隆遗传算法的多用户检测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·多用户检测研究的背景及意义 | 第10-11页 |
| ·量子行为优化算法的研究现状 | 第11-12页 |
| ·多用户检测的研究现状 | 第12-15页 |
| ·论文结构及内容安排 | 第15-17页 |
| 第二章 量子行为优化算法 | 第17-28页 |
| ·量子计算原理 | 第17-19页 |
| ·量子位与量子门 | 第17-18页 |
| ·量子寄存器 | 第18页 |
| ·状态的叠加 | 第18-19页 |
| ·状态的相干 | 第19页 |
| ·量子行为优化算法 | 第19-26页 |
| ·量子粒子群优化算法 | 第19-20页 |
| ·量子神经网络 | 第20-21页 |
| ·量子蚁群算法 | 第21-23页 |
| ·量子遗传算法 | 第23-24页 |
| ·量子克隆遗传算法 | 第24-26页 |
| ·量子优化算法的对比分析 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第三章 多用户检测技术研究 | 第28-47页 |
| ·多用户检测技术的原理 | 第28-31页 |
| ·多用户检测的系统模型 | 第28-29页 |
| ·多用户检测的工作原理 | 第29-31页 |
| ·多用户检测器的性能指标和分类 | 第31-34页 |
| ·多用户检测器的性能指标 | 第31-32页 |
| ·多用户检测器的分类 | 第32-34页 |
| ·几种典型的多用户检测器 | 第34-43页 |
| ·最优多用户检测器(OMD) | 第34-35页 |
| ·最小输出能量（MOE）盲检测器 | 第35-36页 |
| ·并行干扰消除(PIC)检测器 | 第36页 |
| ·基于遗传算法的多用户检测器 | 第36-39页 |
| ·基于量子遗传算法的多用户检测器 | 第39-40页 |
| ·基于量子克隆遗传算法的多用户检测器 | 第40-41页 |
| ·基于蚁群算法的多用户检测器 | 第41-43页 |
| ·仿真及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于改进的量子克隆遗传算法的多用户检测器 | 第47-64页 |
| ·IQCGA 算法基础 | 第47-51页 |
| ·量子编码 | 第47-48页 |
| ·量子交叉 | 第48-49页 |
| ·量子旋转门 | 第49-51页 |
| ·IQCGA 算法操作策略 | 第51-55页 |
| ·小生境概率划分初始化策略 | 第51页 |
| ·量子全干扰交叉策略 | 第51-52页 |
| ·量子旋转门自适应更新策略 | 第52页 |
| ·优体全干扰交叉量子灾变策略 | 第52-53页 |
| ·免疫克隆策略 | 第53-55页 |
| ·IQCGA 算法描述 | 第55-56页 |
| ·初始化阶段 | 第55页 |
| ·迭代进化阶段 | 第55-56页 |
| ·IQCGA 的全局收敛性证明 | 第56-58页 |
| ·IQCGA 的性能测试 | 第58-59页 |
| ·基于IQCGA 的多用户检测器 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第五章 仿真与分析 | 第64-72页 |
| ·计算复杂度分析 | 第64页 |
| ·参数影响分析 | 第64-65页 |
| ·仿真结果与分析 | 第65-71页 |
| ·在同步DS-CDMA 系统中仿真 | 第65-69页 |
| ·在异步DS-CDMA 系统中仿真 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-73页 |
| 1.本文内容总结 | 第72页 |
| 2.下一步工作展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 个人简历 在读期间发表的学术论文 | 第76-77页 |
| 致谢 | 第77页 |
