非高斯噪声下认知无线电不确定信道的参数估计研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 课题研究的背景 | 第9-10页 |
| 1.3 本论文主要工作及论文结构 | 第10-13页 |
| 第二章 认知无线电系统 | 第13-23页 |
| 2.1 认知无线电概述 | 第13-14页 |
| 2.2 系统关键技术 | 第14-17页 |
| 2.2.1 频谱感知 | 第14-15页 |
| 2.2.2 动态频谱管理 | 第15-16页 |
| 2.2.3 频谱迁移 | 第16-17页 |
| 2.3 认知无线电信道估计方法 | 第17-20页 |
| 2.3.1 基于导频信号的信道估计 | 第18页 |
| 2.3.2 基于叠加序列的信道估计 | 第18页 |
| 2.3.3 盲信道估计 | 第18-19页 |
| 2.3.4 半盲信道估计 | 第19-20页 |
| 2.4 无线信道传输特性 | 第20-21页 |
| 2.5 认知无线电研究进展 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 非高斯噪声下信道估计方法研究 | 第23-37页 |
| 3.1 动态状态空间法 | 第23页 |
| 3.2 非高斯信号统计模型 | 第23-26页 |
| 3.3 认知无线电动态不确定信道估计模型 | 第26页 |
| 3.4 卡尔曼滤波 | 第26-27页 |
| 3.5 扩展卡尔曼滤波 | 第27-28页 |
| 3.6 粒子滤波算法 | 第28-35页 |
| 3.6.1 递推贝叶斯滤波 | 第28-30页 |
| 3.6.2 蒙特卡罗方法 | 第30页 |
| 3.6.3 序贯重要性采样 | 第30-32页 |
| 3.6.4 最优建议分布 | 第32-33页 |
| 3.6.5 重采样方法 | 第33-35页 |
| 3.7 本章小结 | 第35-37页 |
| 第四章 基于云进化的无味粒子滤波改进方法 | 第37-49页 |
| 4.1 无味粒子滤波 | 第37-43页 |
| 4.1.1 无味变换 | 第38-40页 |
| 4.1.2 无味卡尔曼滤波 | 第40-41页 |
| 4.1.3 无味粒子滤波的实现 | 第41-43页 |
| 4.2 云进化算法 | 第43-47页 |
| 4.2.1 遗传算法 | 第43-45页 |
| 4.2.2 正态云模型 | 第45-46页 |
| 4.2.3 正态云发生器 | 第46-47页 |
| 4.3 云进化无味粒子滤波信道估计方法实现 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 算法仿真与结果分析 | 第49-55页 |
| 5.1 扩展卡尔曼滤波与粒子滤波性能比较分析 | 第49-51页 |
| 5.2 基于云进化与UKF的信道估计仿真与分析 | 第51-55页 |
| 第六章 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |
