| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究的背景与意义 | 第10-11页 |
| 1.2 自适应均衡技术的研究现状 | 第11-13页 |
| 1.3 均衡算法性能评价 | 第13-14页 |
| 1.4 论文的主要结构 | 第14-15页 |
| 第2章 多径衰落信道的理论与仿真 | 第15-26页 |
| 2.1 多径衰落信道的理论分析 | 第15-19页 |
| 2.1.1 影响信道的因素 | 第15-16页 |
| 2.1.2 多径衰落信道的双扩展分析 | 第16-19页 |
| 2.2 多径衰落信道的建模 | 第19-24页 |
| 2.2.1 信道模型分析 | 第19-22页 |
| 2.2.2 延时抽头线模型 | 第22-24页 |
| 2.3 多径衰落信道的仿真结果 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于小波理论的自适应均衡算法 | 第26-64页 |
| 3.1 信道均衡的理论分析 | 第26-36页 |
| 3.1.1 无ISI传输的信道模型 | 第26-29页 |
| 3.1.2 均衡器的分类和结构 | 第29-31页 |
| 3.1.3 盲均衡系统和Bussgang类算法 | 第31-36页 |
| 3.2 小波和正交小波包的理论分析 | 第36-46页 |
| 3.2.1 小波及多分辨分析 | 第36-42页 |
| 3.2.2 正交小波包变换 | 第42-46页 |
| 3.3 基于正交小波和正交小波包的信道均衡算法 | 第46-55页 |
| 3.3.1 基于正交小波的常模盲均衡算法 | 第46-49页 |
| 3.3.2 小波变换加速收敛的理论分析 | 第49-50页 |
| 3.3.3 引入动量项的正交小波常模盲均衡算法 | 第50-51页 |
| 3.3.4 变步长的正交小波常模盲均衡算法 | 第51-53页 |
| 3.3.5 基于正交小波包变换的常模盲均衡算法 | 第53-55页 |
| 3.4 仿真结果 | 第55-63页 |
| 3.4.1 常模盲均衡与基于小波的常模盲均衡的对比 | 第55-58页 |
| 3.4.2 基于小波的常模盲均衡与改进算法的仿真 | 第58-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第4章 基于神经网络的自适应均衡算法 | 第64-82页 |
| 4.1 神经网络的基础理论 | 第64-67页 |
| 4.1.1 神经网络的结构 | 第64-66页 |
| 4.1.2 神经网络的分类及特点 | 第66-67页 |
| 4.2 基于小波和神经网络的信道均衡算法 | 第67-75页 |
| 4.2.1 BP前馈神经网络常模盲均衡算法 | 第67-70页 |
| 4.2.2 基于超指数的前馈神经网络常模盲均衡算法 | 第70-73页 |
| 4.2.3 结合小波和前馈神经网络的常模盲均衡算法 | 第73-75页 |
| 4.3 仿真结果 | 第75-81页 |
| 4.4 本章小结 | 第81-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第89-90页 |
| 致谢 | 第90页 |
