| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-22页 |
| §1-1 研究背景和意义 | 第9-10页 |
| §1-2 偏振模色散及其补偿技术的研究概况 | 第10-13页 |
| 1-2-1 PMD 国内外研究现状 | 第10-11页 |
| 1-2-2 PMD 补偿技术的研究现状 | 第11-13页 |
| §1-3 粒子群智能方法的研究概况 | 第13-14页 |
| 1-3-1 PSO 改进研究的现状 | 第13-14页 |
| 1-3-2 PSO 扩展研究的现状 | 第14页 |
| §1-4 支持向量机的研究现状 | 第14-19页 |
| §1-5 本文研究的主要内容及创新点 | 第19-20页 |
| 1-5-1 本文研究的主要内容 | 第19-20页 |
| 1-5-2 研究的创新点 | 第20页 |
| §1-6 本文组织结构安排 | 第20-22页 |
| 第二章 偏振模色散自适应补偿技术基本原理 | 第22-37页 |
| §2-1 偏振模色散基本理论 | 第22-23页 |
| 2-1-1 偏振模色散的定义 | 第22页 |
| 2-1-2 偏振模色散的产生原因 | 第22-23页 |
| §2-2 偏振模色散电域自适应均衡技术 | 第23-32页 |
| 2-2-1 主要均衡器及其仿真 | 第23-27页 |
| 2-2-2 均衡器自适应算法 | 第27-32页 |
| §2-3 偏振模色散光域自适应补偿技术 | 第32-36页 |
| 2-3-1 偏振模色散补偿器 | 第32-33页 |
| 2-3-2 光域自适应补偿控制算法 | 第33-34页 |
| 2-3-3 自适应补偿控制算法仿真实验 | 第34-36页 |
| §2-4 本章小结 | 第36-37页 |
| 第三章 粒子群智能算法的改进研究 | 第37-51页 |
| §3-1 基本PSO 算法原理 | 第37-38页 |
| §3-2 一种改进的PSO 算法原理 | 第38-40页 |
| §3-3 QPSO 算法原理 | 第40-43页 |
| 3-3-1 QPSO 算法定义 | 第40-41页 |
| 3-3-2 QPSO 算法步骤 | 第41-42页 |
| 3-3-3 QDPSO 算法 | 第42-43页 |
| §3-4 典例仿真与对比分析 | 第43-49页 |
| 3-4-1 典例仿真与对比分析 | 第43-47页 |
| 3-4-2 算法具体计算应用与对比分析 | 第47-49页 |
| §3-5 本章小结 | 第49-51页 |
| 第四章 基于QPSO 算法的偏振模色散电域自适应均衡 | 第51-65页 |
| §4-1 PMD 电域自适应均衡系统设计 | 第51-52页 |
| 4-1-1 光纤通信系统仿真模型 | 第51页 |
| 4-1-2 自适应均衡器仿真模型 | 第51-52页 |
| §4-2 基于QPSO 算法的电域自适应均衡方案 | 第52-54页 |
| 4-2-1 基于QPSO 算法的PMD 电域自适应判决反馈均衡系统仿真模型 | 第53页 |
| 4-2-2 电域自适应均衡中QPSO 自适应算法流程图 | 第53-54页 |
| §4-3 仿真结果与分析 | 第54-64页 |
| 4-3-1 线性前馈横向均衡器的仿真 | 第54-60页 |
| 4-3-2 判决反馈均衡器的仿真 | 第60-64页 |
| §4-4 本章小结 | 第64-65页 |
| 第五章 基于QPSO 算法的偏振模色散光域自适应补偿 | 第65-81页 |
| §5-1 PMD 光域自适应补偿实验系统 | 第65-69页 |
| 5-1-1 PMD 光域自适应补偿实验系统基本构成 | 第65页 |
| 5-1-2 一阶段偏振模色散补偿器 | 第65-66页 |
| 5-1-3 二阶段偏振模色散补偿器 | 第66页 |
| 5-1-4 光域自适应补偿实验的控制算法 | 第66-69页 |
| §5-2 一阶段偏振模色散补偿实验 | 第69-73页 |
| 5-2-1 一阶段偏振模色散补偿实验装置 | 第70页 |
| 5-2-2 一阶段偏振模色散补偿实验结果及分析 | 第70-73页 |
| §5-3 二阶段偏振模色散补偿实验 | 第73-79页 |
| 5-3-1 二阶段偏振模色散补偿实验装置 | 第73-74页 |
| 5-3-2 二阶段偏振模色散补偿实验结果及分析 | 第74-79页 |
| §5-4 本章小结 | 第79-81页 |
| 第六章 结合支持向量机调制识别的自适应补偿 | 第81-101页 |
| §6-1 研究动机 | 第81-82页 |
| §6-2 常见通信调制方法及识别特征 | 第82-83页 |
| §6-3 特征支持向量机识别原理 | 第83-89页 |
| 6-3-1 最优分类面 | 第83-86页 |
| 6-3-2 广义最优分类面 | 第86页 |
| 6-3-3 支持向量机识别分类的基本原理 | 第86-89页 |
| §6-4 基于支持向量机的调制识别 | 第89-92页 |
| 6-4-1 Simulink 环境下调制信号的生成 | 第89-90页 |
| 6-4-2 调制信号特征提取及样本构建 | 第90-91页 |
| 6-4-3 用支持向量机进行调试识别 | 第91-92页 |
| §6-5 结合支持向量机调制识别实验 | 第92-99页 |
| §6-6 本章小结 | 第99-101页 |
| 结论与展望 | 第101-103页 |
| 参考文献 | 第103-109页 |
| 致谢 | 第109-110页 |
| 攻读学位期间所取得的相关科研成果 | 第110页 |
