| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 盲均衡算法的研究现状 | 第17-20页 |
| 1.2.1 盲均衡算法的分类 | 第17-18页 |
| 1.2.2 Bussgang类盲均衡算法的研究动态 | 第18-20页 |
| 1.2.3 评判盲均衡算法的性能指标 | 第20页 |
| 1.3 论文主要研究工作 | 第20-22页 |
| 2 常模盲均衡算法及改进算法的研究 | 第22-32页 |
| 2.1 常数模算法 | 第22-24页 |
| 2.1.1 CMA的基本原理 | 第22-23页 |
| 2.1.2 CMA性能分析 | 第23-24页 |
| 2.2 步长因子对CMA性能的影响 | 第24-25页 |
| 2.3 变步长的常数模盲均衡算法的基本思想 | 第25页 |
| 2.4 改进算法的分析与仿真 | 第25-31页 |
| 2.4.1 基于MSE变步长的常模盲均衡算法的研究 | 第25-28页 |
| 2.4.2 基于剩余误差自相关的变步长常模盲均衡算法的研究 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于常模的判决反馈盲均衡算法研究 | 第32-42页 |
| 3.1 基于常数模的判决反馈盲均衡算法 | 第32-36页 |
| 3.1.1 基于常模的判决反馈均衡器 | 第32-33页 |
| 3.1.2 基于常数模的判决反馈算法原理 | 第33-34页 |
| 3.1.3 算法仿真与结果分析 | 第34-36页 |
| 3.2 基于变步长的常数模判决反馈盲均衡算法 | 第36-40页 |
| 3.2.1 基于MSE变步长的常模判决反馈盲均衡算法的研究 | 第36-38页 |
| 3.2.2 基于剩余误差自相关的变步长常模判决反馈盲均衡算法研究 | 第38-40页 |
| 3.3 本章小结 | 第40-42页 |
| 4 模拟退火粒子群优化的判决反馈盲均衡算法 | 第42-56页 |
| 4.1 粒子群优化算法 | 第42-46页 |
| 4.1.1 PSO的起源与概念 | 第42页 |
| 4.1.2 PSO的基本原理与步骤 | 第42-44页 |
| 4.1.3 PSO的参数分析 | 第44-45页 |
| 4.1.4 PSO优化的优点 | 第45-46页 |
| 4.2 模拟退火算法 | 第46-48页 |
| 4.2.1 SA的基本思想 | 第46页 |
| 4.2.2 SA的描述 | 第46-47页 |
| 4.2.3 SA的特点 | 第47-48页 |
| 4.3 基于模拟退火粒子群优化的常模判决反馈算法 | 第48-52页 |
| 4.3.1 算法原理 | 第49-50页 |
| 4.3.2 算法仿真 | 第50-51页 |
| 4.3.3 结果分析 | 第51-52页 |
| 4.4 模拟退火粒子群优化的变步长常模判决反馈算法 | 第52-54页 |
| 4.4.1 算法原理 | 第52页 |
| 4.4.2 算法仿真与分析 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 5 模拟退火人工鱼群优化的判决反馈盲均衡算法 | 第56-68页 |
| 5.1 人工鱼群算法 | 第56-59页 |
| 5.1.1 AFSA的描述 | 第56-57页 |
| 5.1.2 人工鱼群的行为 | 第57-58页 |
| 5.1.3 AFSA的优点 | 第58-59页 |
| 5.2 基于模拟退火人工鱼群的常模判决反馈算法 | 第59-63页 |
| 5.2.1 算法原理 | 第59-62页 |
| 5.2.2 算法仿真 | 第62-63页 |
| 5.2.3 结果分析 | 第63页 |
| 5.3 基于模拟退火人工鱼群的变步长判决反馈算法 | 第63-66页 |
| 5.3.1 算法原理 | 第63-64页 |
| 5.3.2 算法仿真 | 第64-65页 |
| 5.3.3 结果分析 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介及读研期间主要科研成果 | 第76页 |
