| 第1章 绪论 | 第1-23页 |
| 1．1 第三代移动通信概述 | 第10-15页 |
| 1．2 多用户检测技术 | 第15-21页 |
| 1．2．1 传统的检测技术 | 第15-17页 |
| 1．2．2 多用户检测 | 第17-20页 |
| 1．2．3 多用户检测的分类 | 第20-21页 |
| 1．3 本论文所做的工作 | 第21-23页 |
| 第2章 仿生算法理论研究 | 第23-33页 |
| 2．1 仿生学 | 第23-25页 |
| 2．2 仿生算法特点 | 第25-26页 |
| 2．3 仿生算法 | 第26-31页 |
| 2．3．1 遗传算法 | 第26-28页 |
| 2．3．2 免疫算法 | 第28-30页 |
| 2．3．3 蚁群算法 | 第30-31页 |
| 2．4 仿生算法比较 | 第31-33页 |
| 第3章 自适应免疫算法在多用户检测中的应用 | 第33-50页 |
| 3．1 引言 | 第33-34页 |
| 3．2 免疫算法的生物学基础 | 第34-38页 |
| 3．2．1 生物免疫学的发展过程 | 第34-35页 |
| 3．2．2 生物免疫系统 | 第35-37页 |
| 3．2．3 人工免疫系统模型 | 第37-38页 |
| 3．3 免疫算法原理 | 第38-42页 |
| 3．4 自适应免疫算法及其在多用户检测中的应用 | 第42-45页 |
| 3．4．1 自适应免疫算法(AIA) | 第42-44页 |
| 3．4．2 自适应免疫算法在多用户检测中的应用 | 第44-45页 |
| 3．5 仿真研究及性能比较 | 第45-49页 |
| 3．5．1 仿真研究分析 | 第45-48页 |
| 3．5．2 计算复杂度分析 | 第48-49页 |
| 3．6 小结 | 第49-50页 |
| 第4章 自适应蚁群算法在多用户检测中的应用 | 第50-68页 |
| 4．1 引言 | 第50页 |
| 4．2 蚁群算法描述 | 第50-55页 |
| 4．2．1 蚁群系统的群体机理 | 第50-51页 |
| 4．2．2 蚁群算法描述 | 第51-55页 |
| 4．2．3 蚁群算法的优点和不足 | 第55页 |
| 4．3 自适应蚁群算法及其在多用户检测中的应用 | 第55-60页 |
| 4．3．1 自适应蚁群算法(AACA) | 第55-58页 |
| 4．3．2 自适应蚁群算法在多用户检测中的应用 | 第58-60页 |
| 4．4 仿真研究及性能比较 | 第60-64页 |
| 4．4．1 仿真研究分析 | 第60-63页 |
| 4．4．2 计算复杂度分析 | 第63-64页 |
| 4．5 基于AIA和AACA的两种多用户检测方法的性能比较 | 第64-67页 |
| 4．5．1 两种算法比较分析 | 第64-65页 |
| 4．5．2 基于本文两种算法的多用户检测器性能仿真对比 | 第65-67页 |
| 4．6 小结 | 第67-68页 |
| 总结 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-75页 |
| 致谢 | 第75页 |