| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 创新点 | 第9-10页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-16页 |
| 第1章 绪论 | 第16-32页 |
| 1.1 引言 | 第16-18页 |
| 1.2 OFDM与FBMC/OQAM系统中PAPR抑制方法研究现状 | 第18-22页 |
| 1.2.1 OFDM系统中PAPR抑制方法研究现状 | 第18-20页 |
| 1.2.2 FBMC/OQAM系统中PAPR抑制方法研究现状 | 第20-22页 |
| 1.3 OFDM与FBMC/OQAM系统中信道估计与均衡方法研究现状 | 第22-30页 |
| 1.3.1 OFDM系统中信道估计与均衡方法研究现状 | 第22-26页 |
| 1.3.2 FBMC/OQAM系统中信道估计与均衡方法研究现状 | 第26-30页 |
| 1.4 论文结构及内容 | 第30-32页 |
| 第2章 多载波系统中PAPR和信道估计与均衡问题分析 | 第32-50页 |
| 2.1 引言 | 第32-33页 |
| 2.2 OFDM与FBMC/OQAM系统原理 | 第33-38页 |
| 2.2.1 OFDM系统原理 | 第33-34页 |
| 2.2.2 FBMC/OQAM系统原理 | 第34-38页 |
| 2.3 OFDM与 FBMC/OQAM系统中PAPR问题分析 | 第38-44页 |
| 2.3.1 OFDM系统中的PAPR问题 | 第39-41页 |
| 2.3.2 FBMC/OQAM系统中的PAPR问题 | 第41-44页 |
| 2.4 OFDM与 FBMC/OQAM系统中信道估计与均衡问题分析 | 第44-49页 |
| 2.4.1 OFDM系统中的信道估计与均衡问题 | 第44-47页 |
| 2.4.2 FBMC/OQAM系统中的信道估计与均衡问题 | 第47-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第3章 OFDM系统中基于人工蜂群算法的PAPR抑制方法研究 | 第50-72页 |
| 3.1 引言 | 第50-52页 |
| 3.2 SLM和PTS方案及ABC算法的基本原理 | 第52-56页 |
| 3.2.1 选择映射(SLM)法基本原理 | 第52-53页 |
| 3.2.2 部分传输序列(PTS)法基本原理 | 第53-54页 |
| 3.2.3 人工蜂群算法(ABC)基本原理 | 第54-56页 |
| 3.3 提出基于离散人工蜂群算法的SLM(DABC-SLM)方案 | 第56-66页 |
| 3.3.1 基于迭代翻转算法的SLM(ISLM)方案 | 第56-57页 |
| 3.3.2 基于梯度下降搜索策略的SLM(GDSLM)方案 | 第57页 |
| 3.3.3 DABC-SLM方案原理 | 第57-60页 |
| 3.3.4 DABC-SLM方案性能与复杂度分析 | 第60-66页 |
| 3.4 提出基于离散人工蜂群算法的PTS(DABC-PTS)方案 | 第66-71页 |
| 3.4.1 DABC-PTS方案的基本原理 | 第66-69页 |
| 3.4.2 DABC-PTS方案性能及复杂度分析 | 第69-71页 |
| 3.5 本章小结 | 第71-72页 |
| 第4章 FBMC/OQAM系统中抑制PAPR的 C-DSLM方法研究 | 第72-92页 |
| 4.1 引言 | 第72-74页 |
| 4.2 FBMC/OQAM信号的重叠结构和PAPR定义 | 第74-77页 |
| 4.2.1 FBMC/OQAM信号的重叠结构 | 第74-76页 |
| 4.2.2 FBMC/OQAM信号PAPR的定义 | 第76-77页 |
| 4.3 CSLM方案和DSLM方案的基本原理 | 第77-80页 |
| 4.3.1 CSLM方案原理 | 第77-80页 |
| 4.3.2 DSLM方案原理 | 第80页 |
| 4.4 提出基于转换向量的DSLM(C-DSLM)方案 | 第80-91页 |
| 4.4.1 转换向量的设计与构造 | 第80-83页 |
| 4.4.2 提出的C-DSLM方案原理 | 第83-85页 |
| 4.4.3 计算复杂度评估 | 第85-86页 |
| 4.4.4 模拟仿真结果 | 第86-91页 |
| 4.5 本章小结 | 第91-92页 |
| 第5章 多载波系统中基于深度学习的信道估计与均衡方法研究 | 第92-126页 |
| 5.1 引言 | 第92-95页 |
| 5.2 多载波系统中信道估计与均衡问题 | 第95-99页 |
| 5.2.1 OFDM系统中信道估计与均衡问题分析 | 第95-97页 |
| 5.2.2 FBMC/OQAM系统中信道估计与均衡问题分析 | 第97-98页 |
| 5.2.3 信道估计与均衡问题的DL模型 | 第98-99页 |
| 5.3 OFDM系统中基于Res DNN的信道估计与均衡方法 | 第99-111页 |
| 5.3.1 残差网络Res Net | 第100-101页 |
| 5.3.2 Res DNN-CE方案原理 | 第101-103页 |
| 5.3.3 Res DNN-CE方案的训练与测试 | 第103-104页 |
| 5.3.4 仿真结果 | 第104-110页 |
| 5.3.5 复杂度分析 | 第110-111页 |
| 5.4 FBMC/OQAM系统中基于DNN的信道估计与均衡方法 | 第111-117页 |
| 5.4.1 深度神经网络(DNN)的结构 | 第111页 |
| 5.4.2 DNN-CE方案原理 | 第111-112页 |
| 5.4.3 DNN-CE方案的训练与测试 | 第112-113页 |
| 5.4.4 仿真结果 | 第113-117页 |
| 5.5 FBMC/OQAM系统中基于深度BLSTM的信道估计与均衡方法 | 第117-125页 |
| 5.5.1 RNN和 BRNN结构原理 | 第118-119页 |
| 5.5.2 LSTM网络和BLSTM网络 | 第119-121页 |
| 5.5.3 BLSTM-CE方案的原理 | 第121页 |
| 5.5.4 BLSTM-CE方案的训练与测试 | 第121-122页 |
| 5.5.5 仿真结果 | 第122-125页 |
| 5.6 本章小结 | 第125-126页 |
| 第6章 结论与展望 | 第126-130页 |
| 6.1 本论文工作总结 | 第126-127页 |
| 6.2 下一步工作展望 | 第127-130页 |
| 参考文献 | 第130-147页 |
| 致谢 | 第147-148页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第148-150页 |
| 学位论文数据集 | 第150页 |
