| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 论文研究主要内容 | 第11-15页 |
| 1.2.1 基于LP范数约束的稀疏系统辨识 | 第12-13页 |
| 1.2.2 分布式协同策略 | 第13-14页 |
| 1.2.3 偏差补偿问题 | 第14-15页 |
| 1.3 国内外研究现状及发展趋势 | 第15-16页 |
| 1.4 论文内容安排 | 第16-18页 |
| 第2章 稀疏系统辨识 | 第18-31页 |
| 2.1 稀疏问题 | 第18-22页 |
| 2.1.1 稀疏信号 | 第18-19页 |
| 2.1.2 稀疏信道 | 第19-21页 |
| 2.1.3 LP范数 | 第21-22页 |
| 2.2 用于稀疏系统辨识的L0-LMS辨识算法 | 第22-26页 |
| 2.2.1 基于L0范数约束的基本算法 | 第22页 |
| 2.2.2 改进算法 | 第22-23页 |
| 2.2.3 仿真实验 | 第23-26页 |
| 2.3 用于稀疏系统辨识的L1-LMS辨识算法 | 第26-30页 |
| 2.3.1 基于L1范数约束的基本算法 | 第26页 |
| 2.3.2 改进算法 | 第26-27页 |
| 2.3.3 仿真实验 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于多代理网络的分布式协同估计 | 第31-46页 |
| 3.1 多代理网络模型 | 第31-32页 |
| 3.2 分布式协同估计 | 第32-41页 |
| 3.2.1 分布式协同估计策略 | 第33-38页 |
| 3.2.2 分布式协同估计LMS算法 | 第38-40页 |
| 3.2.3 分布式LMS算法仿真分析 | 第40-41页 |
| 3.3 基于分布式协同估计的稀疏系统辨识 | 第41-44页 |
| 3.3.1 基于分布式的RZA-LMS算法 | 第41-42页 |
| 3.3.2 分布式RZA-LMS算法仿真分析 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于分布式网络的偏差补偿稀疏参数估计 | 第46-69页 |
| 4.1 输入噪声问题 | 第46-48页 |
| 4.2 单代理下的偏差补偿稀疏参数估计 | 第48-56页 |
| 4.2.1 输入噪声方差估计方法 1 | 第48-49页 |
| 4.2.2 输入噪声方差估计方法 2 | 第49-50页 |
| 4.2.3 单代理BCRZA-LMS算法 | 第50-52页 |
| 4.2.4 单代理BCRZA-LMS算法仿真分析 | 第52-56页 |
| 4.3 单代理下的总体稀疏参数估计 | 第56-65页 |
| 4.3.1 总体最小均方算法 | 第56-60页 |
| 4.3.2 单代理RZA-TLMS算法 | 第60-61页 |
| 4.3.3 单代理RZA-TLMS算法仿真分析 | 第61-65页 |
| 4.4 基于多代理网络的分布式偏差补偿稀疏参数估计 | 第65-67页 |
| 4.4.1 基于多代理网络的分布式BCRZA-LMS算法 | 第65-66页 |
| 4.4.2 基于多代理网络的BCRZA-LMS算法比较分析 | 第66-67页 |
| 4.5 本章小结 | 第67-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间发表论文与研究成果清单 | 第75-76页 |
| 致谢 | 第76页 |
