第一章 绪论 | 第1-11页 |
§1.1 引言 | 第7-8页 |
§1.2 盲均衡与盲辨识 | 第8-10页 |
§1.3 本文的主要工作和论文安排 | 第10-11页 |
第二章 高阶累积量 | 第11-16页 |
§2.1 高阶矩与高阶累积量的定义 | 第11-13页 |
§2.2 高阶累积量的性质 | 第13-16页 |
第三章 盲反卷积的超指数算法 | 第16-31页 |
§3.1 前言 | 第16页 |
§3.2 信号模型 | 第16-17页 |
§3.3 准则 | 第17页 |
3.3.1 MD(maximum distortion)准则 | 第17页 |
3.3.2 ISI(intersymbol-interference)准则 | 第17页 |
§3.4 s域算法 | 第17-22页 |
§3.5 c域算法 | 第22-29页 |
3.5.1 数学概念 | 第22-23页 |
3.5.2 利用有限长度的均衡器对算法的补充 | 第23-27页 |
3.5.3 累积量的计算 | 第27-28页 |
3.5.4 附加噪声的影响 | 第28-29页 |
§3.6 仿真结果 | 第29-30页 |
§3.7 小结 | 第30-31页 |
第四章 基于累积量子空间分解的盲MIMO系统辨识 | 第31-47页 |
§4.1 序言 | 第31-32页 |
§4.2 信号模型和基本假设 | 第32-33页 |
§4.3 累积量矩阵 | 第33-35页 |
§4.4 信道辨识 | 第35-38页 |
4.4.1 辨识条件 | 第35-36页 |
4.4.2 根据零空间辨识信道 | 第36-37页 |
4.4.2 备注 | 第37-38页 |
§4.5 多输入多输出系统累积量子空间算法 | 第38-44页 |
4.5.1 零空间估计 | 第38-41页 |
4.5.2 线性方程解 | 第41页 |
4.5.3 模糊解 | 第41-43页 |
4.5.4 备注 | 第43-44页 |
§4.6 仿真结果 | 第44-46页 |
§4.7 结论 | 第46-47页 |
第五章 两种改进的MIMOCS算法 | 第47-57页 |
§5.1 前言 | 第47页 |
§5.2 原算法分析 | 第47-48页 |
§5.3 第一种改进算法 | 第48-52页 |
5.3.1 零空间估计 | 第48-49页 |
5.3.2 线性方程解 | 第49页 |
5.3.3 仿真结果 | 第49-52页 |
§5.4 第二种改进算法 | 第52-56页 |
5.4.1 零空间估计 | 第52-53页 |
5.4.2 线性方程解 | 第53页 |
5.4.3 仿真结果 | 第53-56页 |
§5.5 小结 | 第56-57页 |
结束语 | 第57-59页 |
参考文献 | 第59-66页 |
在读期间的研究成果 | 第66-67页 |
附录:定理3的证明 | 第67-68页 |