首页--工业技术论文--无线电电子学、电信技术论文--无线通信论文

无线信道估计与混沌时间序列预测方法研究

摘要第1-7页
Abstract第7-14页
第一章 绪论第14-38页
   ·统计学习理论基础第15-19页
     ·机器学习模型第16页
     ·人工神经网络第16-17页
     ·统计学习理论和支持向量机第17-19页
   ·信道估计技术第19-21页
   ·混沌时间序列预测技术第21-28页
     ·混沌理论基础第21-23页
     ·混沌时间序列预测研究现状第23-24页
     ·混沌预测在跳频对抗中的应用第24-28页
   ·盲信源分离技术第28-35页
     ·盲信源分离的原理第28-29页
     ·盲信源分离在通信侦察中的研究意义第29页
     ·盲信源分离的研究现状第29-35页
       ·信息理论化算法第30-34页
       ·基于统计量的算法第34-35页
   ·论文内容安排第35-36页
   ·论文主要创新点第36-38页
第二章 基于多维支持向量拟合的信道估计方法研究第38-52页
   ·引言第38-39页
   ·支持向量机第39-41页
   ·MIMO信道估计技术第41-42页
   ·MIMO系统信道估计模型第42-44页
   ·支持向量多维拟合算法(M-SVR)第44-48页
     ·支持向量机拟合方法第44-45页
     ·自适应多维支持向量拟合机(AM-SVR)第45-47页
     ·AM-SVR的自适应求解第47-48页
   ·仿真实验和结果分析第48-51页
     ·MIMO系统平稳非线性信道估计第49页
     ·MIMO系统非平稳非线性信道估计第49-51页
   ·本章小结第51-52页
第三章 基于支持向量机的信道盲均衡方法研究第52-64页
   ·引言第52-54页
   ·数学模型描述第54-55页
   ·Bussgang恒模算法第55-56页
   ·神经网络的盲均衡第56-58页
   ·支持向量机的盲均衡第58-60页
   ·迭代权值求解第60-61页
   ·仿真实验和结果分析第61-63页
   ·本章小结第63-64页
第四章 混沌时间序列的神经网络预测方法研究第64-89页
   ·引言第64-71页
     ·m序列的产生第64-65页
     ·宽间隔跳频图案第65-67页
     ·混沌序列在跳频通信中的应用第67-68页
     ·离散混沌映射第68-71页
   ·跳频电台跳频码的混沌特性第71-73页
   ·基于嵌入维数的混沌序列预测第73-74页
   ·混沌神经网络预测第74-78页
     ·对角递归神经网络第74-75页
     ·对角递归神经网络的训练算法第75-78页
   ·混沌对角递归神经网络第78-80页
   ·混沌对角递归神经网络的训练第80-82页
   ·仿真实验和结果分析第82-88页
     ·对Mackey-Glass序列预测第82-85页
     ·对Logistic-Kent跳频序列预测第85-88页
   ·本章小结第88-89页
第五章 混沌时间序列的支持向量机预测方法研究第89-100页
   ·引言第89-91页
     ·最小二乘法第89-90页
     ·LS-SVM第90-91页
   ·基于LS-SVM的混沌跳频序列全局预测算法第91-93页
   ·基于LS-SVM的混沌跳频序列局域预测算法第93-95页
   ·仿真实验和结果分析第95-99页
   ·本章小结第99-100页
第六章 跳频通信网中多信号盲分离方法研究第100-117页
   ·引言第100-103页
   ·多通道盲解卷(MBD)模型第103-105页
   ·混合跳频信号分离模型第105-106页
   ·盲分离算法第106-111页
     ·改进最小互信息准则算法第106-108页
     ·输出互相关平方最小化准则算法第108-111页
   ·仿真实验和结果分析第111-116页
     ·最小互信息准则算法第112-114页
     ·输出互相关平方最小化算法第114-116页
   ·本章小结第116-117页
第七章 全文总结第117-119页
   ·论文总结第117-118页
   ·有待解决的问题第118-119页
参考文献第119-129页
致谢第129-130页
个人简历第130-131页
作者在攻读博士学位期间研究成果及参与科研项目第131-132页
参与项目第132页

论文共132页,点击 下载论文
上一篇:二维波达方向估计方法研究
下一篇:基于非参量法的谐波频率估计研究