| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 盲均衡技术及其研究意义 | 第11-12页 |
| 1.2 盲均衡技术的国内外发展现状 | 第12-19页 |
| 1.2.1 Bussgang类盲均衡算法 | 第12-14页 |
| 1.2.2 基于高阶谱的盲均衡算法 | 第14-16页 |
| 1.2.3 基于神经网络的盲均衡算法 | 第16-17页 |
| 1.2.4 基于信号检测的盲均衡算法 | 第17-19页 |
| 1.3 论文研究的主要内容及组织结构 | 第19-21页 |
| 第2章 盲均衡算法分析 | 第21-37页 |
| 2.1 盲均衡理论 | 第21-27页 |
| 2.1.1 盲均衡的均衡准则 | 第22-24页 |
| 2.1.2 算法性能的评判指标 | 第24-25页 |
| 2.1.3 盲均衡的基本算法 | 第25-27页 |
| 2.2 Bussgang类盲均衡算法 | 第27-31页 |
| 2.2.1 决策引导算法 | 第28-29页 |
| 2.2.2 Sato算法 | 第29-30页 |
| 2.2.3 BGR算法 | 第30页 |
| 2.2.4 Stop and Go算法 | 第30-31页 |
| 2.2.5 Godard算法 | 第31页 |
| 2.3 常数模算法 | 第31-35页 |
| 2.3.1 CMA算法的初始化问题 | 第33页 |
| 2.3.2 CMA算法的收敛特性 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 基于联合误差控制的变步长双模盲均衡算法 | 第37-55页 |
| 3.1 双模式算法的选取 | 第37-40页 |
| 3.1.1 MCMA算法 | 第38-39页 |
| 3.1.2 判决引导最小均方误差(DD-LMS)算法 | 第39-40页 |
| 3.2 基于MCMA和DD-LMS算法的双模式算法 | 第40-48页 |
| 3.2.1 MCMA+DD-LMS算法 | 第41-43页 |
| 3.2.2 变步长的MCMA+DD-LMS双模算法 | 第43页 |
| 3.2.3 基于联合误差函数的变步长双模算法 | 第43-48页 |
| 3.3 仿真结果与分析 | 第48-54页 |
| 3.3.1 仿真条件 | 第48页 |
| 3.3.2 仿真结果与分析 | 第48-51页 |
| 3.3.3 跟踪信道和抗干扰能力 | 第51-54页 |
| 3.3.4 算法分析 | 第54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 基于T/2分数间隔的混合盲均衡算法 | 第55-75页 |
| 4.1 分数间隔均衡器 | 第55-59页 |
| 4.1.1 T/2分数间隔均衡器 | 第57页 |
| 4.1.2 分数间隔常数模算法 | 第57-59页 |
| 4.2 分数间隔均衡器性能分析 | 第59-62页 |
| 4.2.1 算法的收敛特性 | 第59-61页 |
| 4.2.2 均衡器长度对算法性能的影响 | 第61-62页 |
| 4.3 MMMA+MDD混合算法 | 第62-68页 |
| 4.3.1 多模算法 | 第62-64页 |
| 4.3.2 修正判决引导算法 | 第64页 |
| 4.3.3 MMMA+MDD混合算法 | 第64-66页 |
| 4.3.4 基于T/2分数间隔的MMMA+MDD混合盲均衡算法 | 第66-68页 |
| 4.4 仿真结果与分析 | 第68-74页 |
| 4.4.1 仿真条件 | 第68页 |
| 4.4.2 仿真结果 | 第68-71页 |
| 4.4.3 跟踪信道和抗干扰能力 | 第71-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 5.1 本文工作总结 | 第75-76页 |
| 5.2 未来工作展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者攻读硕士学位期间发表的论文及获奖情况 | 第83页 |
