| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 注释表 | 第12-13页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 DS-CDMA信号伪码盲估计的研究现状 | 第14-16页 |
| 1.2.2 主分量神经网络的研究现状 | 第16-17页 |
| 1.2.3 主分量神经网络在DS-CDMA伪码盲估计中的研究现状 | 第17-18页 |
| 1.3 选题来源及意义 | 第18-19页 |
| 1.4 论文研究路线及章节安排 | 第19-21页 |
| 1.4.1 总体思路及内容结构图 | 第19页 |
| 1.4.2 论文章节安排 | 第19-21页 |
| 第2章 DS-CDMA信号模型及特性 | 第21-27页 |
| 2.1 扩频通信概念 | 第21-23页 |
| 2.1.1 伪码序列的产生及特性 | 第21-22页 |
| 2.1.2 扩频通信技术的基本原理 | 第22-23页 |
| 2.2 DS-CDMA信号的模型及特性 | 第23-26页 |
| 2.2.1 DS-CDMA信号的模型 | 第23-25页 |
| 2.2.2 DS-CDMA信号的特性 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于Sanger多主分量神经网络的DS-CDMA伪码盲估计 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 基于Sanger NN的DS-CDMA伪码盲估计理论分析 | 第27-33页 |
| 3.2.1 Sanger NN模型 | 第27-28页 |
| 3.2.2 基于Sanger NN的DS-CDMA伪码盲估计算法分析 | 第28-30页 |
| 3.2.3 Sanger NN收敛性分析 | 第30-32页 |
| 3.2.4 伪码估计中的变步长分析 | 第32-33页 |
| 3.3 仿真实验及结果分析 | 第33-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于LEAP多主分量神经网络的DS-CDMA伪码盲估计 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 基于LEAP NN的DS-CDMA伪码盲估计理论分析 | 第41-48页 |
| 4.2.1 LEAP NN模型 | 第41-42页 |
| 4.2.2 基于LEAP NN的DS-CDMA伪码盲估计算法分析 | 第42-44页 |
| 4.2.3 LEAP NN收敛性分析 | 第44-47页 |
| 4.2.4 伪码估计中的变步长分析 | 第47-48页 |
| 4.3 仿真实验及结果分析 | 第48-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于APEX多主分量神经网络的DS-CDMA伪码盲估计 | 第55-74页 |
| 5.1 引言 | 第55页 |
| 5.2 基于APEX NN的DS-CDMA伪码盲估计理论分析 | 第55-65页 |
| 5.2.1 APEX NN模型 | 第55-57页 |
| 5.2.2 基于APEX NN的DS-CDMA伪码盲估计算法分析 | 第57-58页 |
| 5.2.3 APEX NN收敛性分析 | 第58-63页 |
| 5.2.4 伪码估计中的变步长分析 | 第63-65页 |
| 5.3 仿真实验及结果分析 | 第65-70页 |
| 5.4 三种神经网络分别用于DS-CDMA伪码盲估计时的对比分析 | 第70-72页 |
| 5.4.1 复杂度对比分析 | 第70-71页 |
| 5.4.2 性能对比分析 | 第71-72页 |
| 5.5 本章小结 | 第72-74页 |
| 第6章 结束语 | 第74-77页 |
| 6.1 主要工作与创新点 | 第74-75页 |
| 6.2 后续研究工作 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第83页 |
