| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第一章 引言 | 第7-13页 |
| ·课题的背景及研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·粗糙集和自调制识别的研究现状 | 第8页 |
| ·STBC和V-BLAST编码的研究现状 | 第8-9页 |
| ·MIMO-OFDM通信技术的研究现状 | 第9-10页 |
| ·本文的工作安排 | 第10-13页 |
| 第二章 人工神经网络自组织调制识别技术 | 第13-21页 |
| ·粗糙集(RS)理论简述 | 第13-14页 |
| ·粗糙集基本概念 | 第13-14页 |
| ·粗糙集理论的基础 | 第14页 |
| ·属性约简的主要思想 | 第14页 |
| ·调制识别重要特征参数的提取与分析 | 第14-18页 |
| ·提取六大常用特征参数 | 第15-16页 |
| ·特征参数在不同条件下的信号区分图 | 第16-18页 |
| ·基于RS理论的ANN调制识别技术 | 第18-20页 |
| ·常规ANN调制识别的思路 | 第18-19页 |
| ·基于RS理论的调制识别特点 | 第19页 |
| ·基于RS理论的调制识别流程图 | 第19-20页 |
| ·基于RS理论的ANN调制识别步骤 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 OFDM信号的精度识别及理论分析 | 第21-31页 |
| ·粗糙集信号智能识别系统 | 第21-24页 |
| ·基于分明矩阵的属性约简 | 第21-22页 |
| ·最简决策表的实现过程 | 第22-24页 |
| ·OFDM信号识别的基本原理 | 第24-26页 |
| ·提取ITD联合向量特征参数 | 第24-25页 |
| ·区分信号的参数设置 | 第25-26页 |
| ·识别结果的理论分析 | 第26-29页 |
| ·训练网络误差曲线的比较 | 第26-28页 |
| ·神经网络收敛曲线的比较 | 第28-29页 |
| ·各个样本信号的识别率 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第四章 实现自适应MIMO-OFDM通信系统传输方案 | 第31-43页 |
| ·MIMO-OFDM信道容量的一般性推导 | 第31-32页 |
| ·MIMO-OFDM的基本原理和核心技术 | 第32-35页 |
| ·MIMO-OFDM系统基本原理介绍 | 第32-34页 |
| ·空间分集技术和空间复用技术的介绍 | 第34-35页 |
| ·MIMO-OFDM时空二维数据处理技术 | 第35-38页 |
| ·STBC和V-BLAST编码的简介 | 第35-36页 |
| ·STBC和V-BLAST编码性能分析与比较 | 第36-38页 |
| ·实现STBC高速编码的方法 | 第38页 |
| ·自适应MIMO-OFDM传输模式的性能分析 | 第38-41页 |
| ·闭环自适应的动态方案的设计 | 第39-40页 |
| ·动态切换方案仿真结果及比较 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 基于GDM-VBLAST检测算法的研究 | 第43-51页 |
| ·空时码的编译码原理 | 第43-45页 |
| ·三种分层空时码编码原理 | 第43-44页 |
| ·空时码的译码原理 | 第44-45页 |
| ·GDM-VBLAST检测算法的改进和应用 | 第45-49页 |
| ·常见检测算法性能比较 | 第45-46页 |
| ·GDM-VBLAST算法的性能优化 | 第46-48页 |
| ·改进后GDM-VBLAST算法的应用 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59页 |