| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-13页 |
| 第一章 绪论 | 第13-21页 |
| 1．1 多用户检测技术发展概况 | 第13-15页 |
| 1．2 多用户检测技术研究意义 | 第15-17页 |
| 1．3 计算智能及其在多用户检测中的应用可能性 | 第17-20页 |
| 1．4 论文的结构及内容安排 | 第20-21页 |
| 第二章 多用户检测和计算智能的基本原理 | 第21-40页 |
| 2．1 CDMA通信系统等效模型 | 第21-27页 |
| 2．2 性能测度 | 第27-28页 |
| 2．2．1 误码率 | 第27页 |
| 2．2．2 抗“远近”效应能力 | 第27-28页 |
| 2．3 最佳多用户检测方法 | 第28-30页 |
| 2．4 次佳多用户检测方法 | 第30-35页 |
| 2．4．1 线性多用户检测技术 | 第30-32页 |
| 2．4．2 非线性多用户检测技术 | 第32-35页 |
| 2．5 计算智能 | 第35-39页 |
| 2．5．1 遗传算法 | 第35-37页 |
| 2．5．2 禁忌搜索 | 第37-39页 |
| 2．6 小结 | 第39-40页 |
| 第三章 基于神经网络的多用户检测技术 | 第40-71页 |
| 3．1 基于优化神经网络的多用户检测技术 | 第40-51页 |
| 3．1．1 优化神经网络 | 第40-42页 |
| 3．1．2 基于优化神经网络的多用户检测器 | 第42-43页 |
| 3．1．3 计算机模拟 | 第43-51页 |
| 3．1．3．1 动态性能 | 第45-49页 |
| 3．1．3．2 检测性能 | 第49-50页 |
| 3．1．3．3 抗“远近”效应能力 | 第50-51页 |
| 3．2 基于LAGRANGE神经网络的多用户检测技术 | 第51-56页 |
| 3．2．1 Lagrange神经网络 | 第51-54页 |
| 3．2．2 基于LNN的多用户检测器 | 第54-55页 |
| 3．2．3 计算机模拟结果与性能分析 | 第55-56页 |
| 3．2．3．1 检测性能 | 第55-56页 |
| 3．2．3．2 抗“远近”干扰能力 | 第56页 |
| 3．3 基于迟滞HOPFIELD神经网络的多用户检测技术 | 第56-60页 |
| 3．3．1 迟滞Hopfield神经网络 | 第56-57页 |
| 3．3．2 基于HHNN的多用户检测器 | 第57-59页 |
| 3．3．3 计算机仿真 | 第59-60页 |
| 3．4 基于递归神经网络的多用户检测技术 | 第60-65页 |
| 3．4．1 递归神经网络 | 第61-62页 |
| 3．4．2 基于递归神经网络的多用户检测器 | 第62-63页 |
| 3．4．3 数值仿真 | 第63-65页 |
| 3．5 四种神经网络多用户检测器的比较 | 第65-67页 |
| 3．5．1 计算复杂度 | 第65页 |
| 3．5．2 检测性能 | 第65-66页 |
| 3．5．3 抗“远近”能力 | 第66-67页 |
| 3．6 改进的神经网络多用户检测技术 | 第67-70页 |
| 3．7 小结 | 第70-71页 |
| 第四章 基于混合优化算法的多用户检测技术 | 第71-93页 |
| 4．1 引言 | 第71页 |
| 4．2 基于遗传算法和禁忌搜索算法的多用户检测器 | 第71-82页 |
| 4．2．1 遗传算法 | 第71-74页 |
| 4．2．1．1 基于“联姻”策略的并行遗传算法 | 第72-73页 |
| 4．2．1．2 遗传算法的操作 | 第73-74页 |
| 4．2．2 禁忌搜索算法 | 第74-76页 |
| 4．2．2．1 禁忌搜索算法的基本流程 | 第75页 |
| 4．2．2．2 禁忌搜索算法的邻域结构 | 第75-76页 |
| 4．2．3 基于遗传算法和禁忌搜索算法的混合优化策略 | 第76-78页 |
| 4．2．4 GATS的算法操作与参数设计 | 第78-79页 |
| 4．2．5 仿真结果与分析 | 第79-81页 |
| 4．2．5．1 检测性能 | 第79-80页 |
| 4．2．5．2 抗“远近”效应能力 | 第80-81页 |
| 4．2．5．3 随用户数增加时的性能 | 第81页 |
| 4．2．6 GATS计算复杂度分析 | 第81-82页 |
| 4．3 基于遗传算法和递归神经网络的多用户检测器 | 第82-88页 |
| 4．3．1 改进的递归神经网络 | 第82-84页 |
| 4．3．2 基于遗传算法和递归神经网络的混合优化策略 | 第84-85页 |
| 4．3．3 GARNN的算法操作与参数设计 | 第85-86页 |
| 4．3．4 数值仿真与分析 | 第86-88页 |
| 4．3．4．1 检测性能 | 第86-87页 |
| 4．3．4．2 抗“远近”效应能力 | 第87页 |
| 4．3．4．3 随用户数增加时的性能 | 第87-88页 |
| 4．3．4．4 GARNN计算复杂度分析 | 第88页 |
| 4．4 两种基于混合优化策略的多用户检测器的比较 | 第88-92页 |
| 4．4．1 检测器性能比较 | 第89-91页 |
| 4．4．2 计算复杂度和运行速度 | 第91-92页 |
| 4．5 小结 | 第92-93页 |
| 第五章 一种新的复值递归神经网络训练方法及其应用 | 第93-102页 |
| 5．1 引言 | 第93-94页 |
| 5．2 神经网络模型 | 第94-95页 |
| 5．3 神经网络的训练 | 第95-98页 |
| 5．4 计算机仿真结果 | 第98-101页 |
| 5．5 小结 | 第101-102页 |
| 第六章 结束语 | 第102-104页 |
| 参考文献 | 第104-111页 |
| 致谢 | 第111-112页 |
| 个人简历 | 第112页 |
| 攻博期间的研究成果 | 第112-113页 |
| 攻博期间所发表的学术论文 | 第113页 |
