| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 英文缩略语表 | 第13-14页 |
| 重要数学符号及其意义 | 第14-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 课题研究背景及意义 | 第15-17页 |
| 1.2 研究现状 | 第17-20页 |
| 1.2.1 Non-WSSUS信道的测量与建模研究现状 | 第17页 |
| 1.2.2 OFDM系统信道估计方法研究现状 | 第17-20页 |
| 1.3 现有研究存在的不足及本文目标 | 第20页 |
| 1.4 论文主要创新及内容安排 | 第20-25页 |
| 1.4.1 论文主要创新点 | 第20-23页 |
| 1.4.2 章节安排 | 第23-25页 |
| 第二章 Non-WSSUS信道的稀疏表达 | 第25-34页 |
| 2.1 引言 | 第25页 |
| 2.2 OFDM系统Non-WSSUS信道的稀疏表达 | 第25-30页 |
| 2.3 OFDM系统Non-WSSUS信道稀疏表达的估计 | 第30-32页 |
| 2.4 仿真结果与分析 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于Majorization-Minimization的稀疏信号恢复算法 | 第34-48页 |
| 3.1 引言 | 第34-37页 |
| 3.2 基于Majorization-Minimization算法的稀疏信号恢复 | 第37-38页 |
| 3.2.1 MM算法的一般形式 | 第37-38页 |
| 3.2.2 基于MM算法的稀疏信号恢复 | 第38页 |
| 3.3 MM算法框架包含的稀疏信号恢复算法 | 第38-43页 |
| 3.3.1 迭代软阈值算法 | 第38-39页 |
| 3.3.2 ADMM算法 | 第39-40页 |
| 3.3.3 DC算法 | 第40-41页 |
| 3.3.4 IRLS算法 | 第41-43页 |
| 3.3.5 SBL算法 | 第43页 |
| 3.4 基于MM的非凸优化稀疏恢复算法的收敛性 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 改进的基于MM的非凸优化稀疏信号恢复算法 | 第48-63页 |
| 4.1 引言 | 第48-49页 |
| 4.2 基于MM的非凸优化稀疏恢复算法的误差界 | 第49-51页 |
| 4.3 改进的基于MM的非凸优化稀疏恢复算法 | 第51-53页 |
| 4.3.1 新的稀疏罚函数构建方法 | 第51页 |
| 4.3.2 新的更新规则 | 第51-52页 |
| 4.3.3 改进的基于MM的非凸优化稀疏恢复算法 | 第52-53页 |
| 4.4 改进的基于MM的非凸优化稀疏恢复算法的应用 | 第53-55页 |
| 4.4.1 结构化稀疏信号估计 | 第53-54页 |
| 4.4.2 相关时变稀疏信号估计 | 第54-55页 |
| 4.4.3 Non-WSSUS信道稀疏表达的估计 | 第55页 |
| 4.5 噪声下的改进的基于MM的非凸优化稀疏恢复算法 | 第55-57页 |
| 4.6 仿真结果及与分析 | 第57-62页 |
| 4.6.1 仿真参数 | 第57-58页 |
| 4.6.2 不同先验信息对算法的影响 | 第58-59页 |
| 4.6.3 验证定理4.2 | 第59-61页 |
| 4.6.4 噪声下的改进的基于MM的非凸优化稀疏信号恢复算法验证 | 第61-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 基于自适应权重L1最小化的算法Non-WSSUS信道估计 | 第63-79页 |
| 5.1 引言 | 第63-64页 |
| 5.2 数学模型 | 第64-66页 |
| 5.2.1 OFDM系统的稀疏信道模型 | 第64-65页 |
| 5.2.2 具有相关性的非平稳支撑变化 | 第65-66页 |
| 5.3 稀疏Non-WSSUS信道估计算法 | 第66-71页 |
| 5.3.1 使用基于MM的ADMM算法的L1范数最小化 | 第66-68页 |
| 5.3.2 通过自适应权重来利用支撑变化的相关性 | 第68-69页 |
| 5.3.3 进一步提高支撑的估计 | 第69-71页 |
| 5.4 进一步的讨论 | 第71-74页 |
| 5.4.1 利用定理4.2得到自适应权重L1最小化算法 | 第72-73页 |
| 5.4.2 和之前研究的不同 | 第73-74页 |
| 5.5 仿真结果与分析 | 第74-78页 |
| 5.5.1 Pre-Re L1的算法表现 | 第74-75页 |
| 5.5.2 Pre-Re L1算法增加了权重L1最小化算法的稳定性 | 第75-78页 |
| 5.6 本章小结 | 第78-79页 |
| 第六章 基于粒子滤波辅助的改进MM-NcO算法的Non-WSSUS信道估计 | 第79-100页 |
| 6.1 引言 | 第79-81页 |
| 6.2 PF-MM-NcO算法的一般形式 | 第81-83页 |
| 6.2.1 问题描述 | 第81-82页 |
| 6.2.2 PF-MM-NcO算法的一般形式 | 第82-83页 |
| 6.3 基于PF-MM-NcO的Non-WSSUS信道估计 | 第83-88页 |
| 6.3.1 幅度快速变化的Non-WSSUS信道估计 | 第83-86页 |
| 6.3.2 支撑快速变化的Non-WSSUS信道估计 | 第86-87页 |
| 6.3.3 复杂度分析 | 第87-88页 |
| 6.4 基于PF-MM-NcO的突变Non-WSSUS信道估计 | 第88-90页 |
| 6.5 Non-WSSUS信道估计的统一框架 | 第90页 |
| 6.6 仿真结果与分析 | 第90-99页 |
| 6.6.1 幅度快速变化的场景 | 第91-94页 |
| 6.6.2 支撑快速变化的场景 | 第94-98页 |
| 6.6.3 存在突变的场景 | 第98-99页 |
| 6.7 本章小结 | 第99-100页 |
| 第七章 结论与展望 | 第100-104页 |
| 7.1 结论 | 第100-102页 |
| 7.2 展望 | 第102-104页 |
| 参考文献 | 第104-115页 |
| 作者在攻读博士学位期间的科研成果 | 第115-116页 |
| 作者在攻读博士学位期间所作的项目 | 第116-117页 |
| 致谢 | 第117页 |
