基于水声信道的盲均衡算法研究
| 第1章 绪论 | 第1-27页 |
| ·引言 | 第12页 |
| ·研究背景和意义 | 第12-15页 |
| ·盲均衡研究现状 | 第15-24页 |
| ·Bussgang类盲均衡算法 | 第15-19页 |
| ·高阶统计量盲均衡算法 | 第19-22页 |
| ·非线性均衡器盲均衡算法 | 第22-24页 |
| ·算法性能的评价标准 | 第24-25页 |
| ·本文研究的内容 | 第25-27页 |
| 第2章 盲反卷积与盲均衡 | 第27-49页 |
| ·盲反卷积 | 第27-28页 |
| ·高阶统计量 | 第28-37页 |
| ·累积量的性质 | 第32-33页 |
| ·高斯过程的累积量 | 第33-34页 |
| ·高阶累积量谱的主要性质 | 第34-37页 |
| ·高阶累积量与盲均衡 | 第37-40页 |
| ·盲均衡准则 | 第40-45页 |
| ·置零准则 | 第40-42页 |
| ·峰度准则 | 第42-44页 |
| ·累积量归一化准则(Gadzow定理) | 第44-45页 |
| ·盲均衡器的选择 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第3章 水声信道下 CMA盲均衡算法分析 | 第49-66页 |
| ·引言 | 第49页 |
| ·CMA算法的理论分析 | 第49-55页 |
| ·Bussgang变换分析 | 第49-52页 |
| ·CMA算法的实现 | 第52-53页 |
| ·cMA算法R_2的选取依据 | 第53-55页 |
| ·CMA算法中的初始权 | 第55-59页 |
| ·CMA算法的学习步长 | 第59-63页 |
| ·双模切换 CMA算法 | 第63-64页 |
| ·CMA及改进算法综合分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第4章 基于高阶谱理论的盲均衡 | 第66-79页 |
| ·引言 | 第66页 |
| ·倒三谱盲均衡算法分析 | 第66-70页 |
| ·自适应倒三谱盲均衡算法 | 第70-74页 |
| ·累积量的估计问题 | 第74-75页 |
| ·遗忘递推倒三谱盲均衡 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 第5章 遗传算法与神经网络盲均衡 | 第79-101页 |
| ·引言 | 第79-80页 |
| ·前馈神经网络盲均衡 | 第80-90页 |
| ·代价函数的设定 | 第81页 |
| ·算法实现 | 第81-90页 |
| ·改进的前馈神经网络盲均衡 | 第90-95页 |
| ·遗传优化前馈神经网络盲均衡 | 第95-100页 |
| ·本章小结 | 第100-101页 |
| 第6章 实验数据处理与分析 | 第101-111页 |
| ·水池实验系统介绍 | 第101-102页 |
| ·联合盲均衡和载波恢复 | 第102-106页 |
| ·均衡器结构 | 第103页 |
| ·算法实现 | 第103-106页 |
| ·实验数据处理分析 | 第106-110页 |
| ·本章小结 | 第110-111页 |
| 结论 | 第111-114页 |
| 参考文献 | 第114-122页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第122-123页 |
| 攻读学位期间发表的论文 | 第122页 |
| 攻读学位期间参加的科研工作和取得的科研成果 | 第122-123页 |
| 致谢 | 第123页 |
