摘要 | 第4-6页 |
abstract | 第6-7页 |
专用术语注释表 | 第10-12页 |
第一章 绪论 | 第12-19页 |
1.1 论文研究背景和意义 | 第12-14页 |
1.2 国内外研究现状 | 第14-16页 |
1.3 本文工作和成果 | 第16-17页 |
1.4 文章结构安排 | 第17-18页 |
1.5 本章小结 | 第18-19页 |
第二章 相关背景知识介绍 | 第19-25页 |
2.1 引言 | 第19页 |
2.2 多普勒扩展 | 第19-20页 |
2.3 MIMO技术概述 | 第20-23页 |
2.3.1 多天线系统 | 第20页 |
2.3.2 单用户MIMO | 第20-21页 |
2.3.3 多用户MIMO | 第21-22页 |
2.3.4 大规模MIMO | 第22-23页 |
2.4 机器学习概述 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
第三章 高速场景下大规模MIMO系统的频谱效率 | 第25-50页 |
3.1 引言 | 第25页 |
3.2 非理想CSI下使用重复编码的等效大规模MIMO系统模型 | 第25-30页 |
3.2.1 帧结构 | 第25-26页 |
3.2.2 信道模型 | 第26页 |
3.2.3 传输导频时的系统模型 | 第26-27页 |
3.2.4 MMSE信道估计 | 第27-28页 |
3.2.5 非理想CSI下的等效系统模型 | 第28-30页 |
3.3 MRC,MMSE,类MRC接收机的容量分析 | 第30-43页 |
3.3.1 MRC接收机的渐近可达和速率 | 第30-32页 |
3.3.2 MMSE接收机的渐近可达和速率 | 第32-35页 |
3.3.3 类MRC接收机的渐近可达和速率 | 第35-37页 |
3.3.4 高速场景下重复编码的性能 | 第37-38页 |
3.3.5 归一化可达和速率的渐近分析结果 | 第38页 |
3.3.6 系统参数对归一化可达和速率的影响 | 第38-43页 |
3.4 类MRC接收机的多普勒分集阶数和编码增益损失 | 第43-49页 |
3.4.1 类MRC检测的平均误码率 | 第43-44页 |
3.4.2 类MRC检测的多普勒分集阶数 | 第44-46页 |
3.4.3 类MRC检测的编码增益损失 | 第46-47页 |
3.4.4 数值结果 | 第47-49页 |
3.5 本章小结 | 第49-50页 |
第四章 大规模DAS系统中导频分配方案 | 第50-64页 |
4.1 引言 | 第50页 |
4.2 大规模DAS系统的容量 | 第50-52页 |
4.2.1 上行多用户大规模DAS系统模型 | 第50-51页 |
4.2.2 大规模DAS系统容量 | 第51-52页 |
4.3 基于受限K均值聚类的导频分配 | 第52-58页 |
4.3.1 受限K均值聚类 | 第52-55页 |
4.3.2 Kuhn-Munkras算法 | 第55-56页 |
4.3.3 基于受限K均值聚类的导频分配算法 | 第56-58页 |
4.4 基于贪心原理的导频分配算法 | 第58-59页 |
4.5 算法性能 | 第59-63页 |
4.5.1 算法复杂度分析 | 第59-60页 |
4.5.2 数值结果 | 第60-63页 |
4.6 本章小结 | 第63-64页 |
第五章 基于机器学习的抑制相位旋转的符号检测 | 第64-72页 |
5.1 引言 | 第64页 |
5.2 存在符号定时误差的多用户大规模MIMO-OFDM系统模型 | 第64-66页 |
5.3 基于K均值聚类的符号检测算法 | 第66-68页 |
5.3.1 算法步骤 | 第66-67页 |
5.3.2 改进的算法步骤 | 第67-68页 |
5.4 算法性能 | 第68-71页 |
5.4.1 算法复杂度分析 | 第68-69页 |
5.4.2 数值结果 | 第69-71页 |
5.5 本章小结 | 第71-72页 |
第六章 总结与展望 | 第72-74页 |
6.1 论文工作总结 | 第72-73页 |
6.2 未来工作展望 | 第73-74页 |
参考文献 | 第74-77页 |
附录1 程序清单 | 第77-78页 |
附录2 攻读硕士学位期间撰写的论文 | 第78-79页 |
附录3 攻读硕士学位期间申请的专利 | 第79-80页 |
附录4 攻读硕士学位期间参加的科研项目 | 第80-81页 |
致谢 | 第81页 |