| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-9页 |
| 1 绪论 | 第9-20页 |
| ·第三代移动通信论述 | 第9-13页 |
| ·多用户检测理论概述 | 第13-18页 |
| ·传统的检测技术 | 第14-15页 |
| ·多用户检测 | 第15-17页 |
| ·多用户检测的分类 | 第17-18页 |
| ·本论文所做的工作 | 第18-20页 |
| 2 仿生算法理论研究 | 第20-26页 |
| ·仿生学 | 第20-21页 |
| ·仿生算法特点 | 第21-22页 |
| ·仿生算法研究 | 第22-26页 |
| ·遗传算法 | 第22-23页 |
| ·免疫算法 | 第23-24页 |
| ·蚁群算法 | 第24-26页 |
| 3 基于自适应免疫算法的多用户检测 | 第26-38页 |
| ·引言 | 第26页 |
| ·免疫算法的生物学基础 | 第26-29页 |
| ·生物免疫学的发展过程 | 第26-27页 |
| ·生物免疫系统 | 第27-29页 |
| ·人工免疫系统模型 | 第29页 |
| ·免疫算法原理 | 第29-32页 |
| ·自适应免疫算法及其在多用户检测中的应用 | 第32-34页 |
| ·自适应免疫算法(AIA) | 第32-33页 |
| ·自适应免疫算法在多用户检测中的应用 | 第33-34页 |
| ·免疫算法的生物学基础 | 第34-37页 |
| ·仿真研究分析 | 第34-36页 |
| ·计算复杂度分析 | 第36-37页 |
| ·小结 | 第37-38页 |
| 4 自适应蚁群算法在多用户检测中的应用 | 第38-51页 |
| ·引言 | 第38页 |
| ·蚁群算法描述 | 第38-42页 |
| ·蚁群系统的群体机理 | 第38-39页 |
| ·蚁群算法描述 | 第39-41页 |
| ·蚁群算法的优点和不足 | 第41-42页 |
| ·自适应蚁群算法及其在多用户检测中的应用 | 第42-45页 |
| ·自适应蚁群算法(AACA) | 第42-43页 |
| ·自适应蚁群算法在多用户检测中的应用 | 第43-45页 |
| ·仿真研究及性能比较 | 第45-48页 |
| ·仿真研究分析 | 第45-47页 |
| ·计算复杂度分析 | 第47-48页 |
| ·基于AIA和AACA的两种多用户检测方法的性能比较 | 第48-50页 |
| ·两种算法比较分析 | 第48-49页 |
| ·基于本文两种算法的多用户检测器性能仿真对比 | 第49-50页 |
| ·小结 | 第50-51页 |
| 5 总结 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |