| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-30页 |
| 1.1 课题研究背景和意义 | 第13-19页 |
| 1.1.1 课题来源及背景 | 第13-16页 |
| 1.1.2 课题研究目的及意义 | 第16-19页 |
| 1.2 国内外研究现状分析 | 第19-28页 |
| 1.2.1 陆地移动卫星信道建模起源 | 第19页 |
| 1.2.2 陆地移动卫星信道实测研究现状 | 第19-21页 |
| 1.2.3 陆地移动卫星信道模型研究现状 | 第21-25页 |
| 1.2.4 衰落信号的长期预测研究现状 | 第25-27页 |
| 1.2.5 存在的问题及改进的目标 | 第27-28页 |
| 1.3 论文研究内容及结构安排 | 第28-30页 |
| 第2章 陆地移动卫星信道建模理论 | 第30-50页 |
| 2.1 引言 | 第30页 |
| 2.2 LMS无线信号传播特性分析 | 第30-36页 |
| 2.2.1 视距传播损耗 | 第32-33页 |
| 2.2.2 阴影衰落 | 第33-34页 |
| 2.2.3 多径衰落 | 第34-35页 |
| 2.2.4 多普勒频移 | 第35-36页 |
| 2.3 LMS信道的多普勒功率谱密度函数 | 第36-39页 |
| 2.3.1 Jakes功率谱 | 第37-38页 |
| 2.3.2 Gaussian功率谱 | 第38-39页 |
| 2.4 衰落信号的一阶和二阶统计函数 | 第39-41页 |
| 2.4.1 一阶统计特性 | 第39-40页 |
| 2.4.2 二阶统计特性 | 第40-41页 |
| 2.5 LMS信道建模时常用的概率分布 | 第41-47页 |
| 2.5.1 Rayleigh分布 | 第41-43页 |
| 2.5.2 Rician分布 | 第43-44页 |
| 2.5.3 Nakagami分布 | 第44-46页 |
| 2.5.4 Lognormal分布 | 第46-47页 |
| 2.6 LMS信道模型的仿真方法和研究思路 | 第47-49页 |
| 2.7 本章小结 | 第49-50页 |
| 第3章 S波段窄带LMS信道状态模型 | 第50-73页 |
| 3.1 引言 | 第50-51页 |
| 3.2 经典的LMS信道模型 | 第51-55页 |
| 3.2.1 C.Loo模型 | 第51-52页 |
| 3.2.2 Corazza模型 | 第52-54页 |
| 3.2.3 Lutz模型 | 第54-55页 |
| 3.2.4 场景分析 | 第55页 |
| 3.3 窄带LMS信道实测场景 | 第55-59页 |
| 3.3.1 单卫星LMS信道实测场景 | 第56-57页 |
| 3.3.2 双卫星LMS信道实测场景 | 第57-59页 |
| 3.4 窄带LMS信道的状态模型 | 第59-71页 |
| 3.4.1 单卫星LMS信道状态模型 | 第60-63页 |
| 3.4.2 双卫星LMS信道状态模型 | 第63-66页 |
| 3.4.3 仿真结果及分析 | 第66-71页 |
| 3.5 本章小结 | 第71-73页 |
| 第4章 基于LMS信道模型的衰落信号ALRP机制 | 第73-97页 |
| 4.1 引言 | 第73-74页 |
| 4.2 LMS信道衰落信号可预测性分析 | 第74-76页 |
| 4.3 典型的衰落信号预测算法 | 第76-81页 |
| 4.3.1 ARIMA算法 | 第76-77页 |
| 4.3.2 LRP算法 | 第77-78页 |
| 4.3.3 KF算法 | 第78-80页 |
| 4.3.4 复杂度分析 | 第80-81页 |
| 4.4 基于三状态LMS信道模型的自适应长期预测 | 第81-88页 |
| 4.4.1 信道模型 | 第81-82页 |
| 4.4.2 归一化加权的信道状态预测算法 | 第82-83页 |
| 4.4.3 衰落信号的自适应长期预测算法 | 第83-84页 |
| 4.4.4 复杂度分析 | 第84-85页 |
| 4.4.5 仿真结果及分析 | 第85-88页 |
| 4.5 基于两状态LMS信道模型的自适应长期预测 | 第88-96页 |
| 4.5.1 通用的窄带两状态LMS信道模型 | 第89-93页 |
| 4.5.2 自适应长期预测研究 | 第93页 |
| 4.5.3 仿真结果及分析 | 第93-96页 |
| 4.6 本章小结 | 第96-97页 |
| 第5章 基于多场景两状态LMS信道模型的衰落信号AVSS-ALRP机制 | 第97-115页 |
| 5.1 引言 | 第97-98页 |
| 5.2 多场景两状态LMS信道模型 | 第98-103页 |
| 5.2.1 场景分析 | 第98页 |
| 5.2.2 信道模型结构 | 第98-99页 |
| 5.2.3 模型参数空间 | 第99-100页 |
| 5.2.4 仿真分析 | 第100-103页 |
| 5.3 基于特征值分解的信道状态预测 | 第103-106页 |
| 5.3.1 基于特征值分解的状态预测模型 | 第103-104页 |
| 5.3.2 状态预测误差分析 | 第104-106页 |
| 5.4 交替变步长自适应长期预测算法 | 第106-114页 |
| 5.4.1 变步长自适应长期预测 | 第107页 |
| 5.4.2 预测误差的线性预测 | 第107-108页 |
| 5.4.3 复杂度分析 | 第108-109页 |
| 5.4.4 仿真结果及分析 | 第109-114页 |
| 5.5 本章小结 | 第114-115页 |
| 结论 | 第115-117页 |
| 参考文献 | 第117-128页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第128-129页 |
| 致谢 | 第129页 |