基于支持向量回归机的盲均衡算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究盲均衡技术的意义 | 第9-10页 |
| ·盲均衡技术的研究现状 | 第10-15页 |
| ·基于Bussgang 类的盲均衡算法 | 第11-12页 |
| ·基于高阶统计量的盲均衡算法 | 第12-13页 |
| ·基于神经网络与模糊理论的盲均衡算法 | 第13-14页 |
| ·基于小波变换的盲均衡算法 | 第14页 |
| ·基于支持向量机的盲均衡算法 | 第14-15页 |
| ·本论文的结构安排 | 第15-17页 |
| 第二章 盲均衡技术的数学模型 | 第17-25页 |
| ·盲均衡的概念 | 第17-18页 |
| ·盲均衡器的结构 | 第18页 |
| ·盲均衡的均衡准则 | 第18-23页 |
| ·置零准则 | 第19页 |
| ·峰度准则 | 第19-22页 |
| ·归一化准则 | 第22-23页 |
| ·盲均衡的性能表征 | 第23-24页 |
| ·收敛速度 | 第23页 |
| ·误码特性 | 第23页 |
| ·稳态均方误差 | 第23-24页 |
| ·跟踪时变信道的能力和抗干扰能力 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 支持向量机概述 | 第25-35页 |
| ·支持向量机基本理论 | 第25-27页 |
| ·统计学习理论与VC 维理论 | 第25-26页 |
| ·推广性的界 | 第26页 |
| ·结构风险最小化原理 | 第26-27页 |
| ·最优超平面 | 第27页 |
| ·支持向量回归机理论 | 第27-33页 |
| ·损失函数 | 第27-29页 |
| ·线性回归估计 | 第29-32页 |
| ·非线性回归估计 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 支持向量回归机的模型选择方法 | 第35-45页 |
| ·核函数的作用及核参数的影响 | 第35-38页 |
| ·模型参数的影响与选择方法 | 第38-40页 |
| ·一维回归问题仿真分析 | 第40-42页 |
| ·本章小结 | 第42-45页 |
| 第五章 基于SVR 的盲均衡算法 | 第45-61页 |
| ·基于ε-SVR 的盲均衡系统的模型 | 第45-46页 |
| ·基于ε-SVR 的盲均衡算法 | 第46-53页 |
| ·基于ε-SVR 的盲均衡算法推导 | 第46-48页 |
| ·利用迭代加权二次规划法求解 | 第48页 |
| ·计算机仿真结果与分析 | 第48-53页 |
| ·基于ν-SVR 的盲均衡算法 | 第53-59页 |
| ·基于ν-SVR 的盲均衡算法推导 | 第54-56页 |
| ·计算机仿真结果与分析 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·本文所做的工作 | 第61-62页 |
| ·进一步的研究方向 | 第62页 |
| ·本章小结 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录一 | 第67-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表的学术论文 | 第75页 |
