| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状及分析 | 第9-11页 |
| 1.3 本文的研究内容 | 第11-13页 |
| 第二章 盲均衡技术概述 | 第13-22页 |
| 2.1 盲均衡的基础理论 | 第13-15页 |
| 2.1.1 置零条件 | 第13页 |
| 2.1.2 充要条件 | 第13-15页 |
| 2.1.3 归一化条件 | 第15页 |
| 2.2 盲均衡系统模型 | 第15-18页 |
| 2.2.1 均衡器的分类和结构 | 第15-17页 |
| 2.2.2 盲均衡系统的等效基带模型 | 第17-18页 |
| 2.3 Bussgang类盲均衡算法 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于支持向量回归机的盲均衡方法 | 第22-33页 |
| 3.1 支持向量回归理论概述 | 第22-24页 |
| 3.2 基于IRWQP的支持向量回归机的盲均衡算法 | 第24-25页 |
| 3.3 基于IRWLS的支持向量回归机盲均衡算法 | 第25-27页 |
| 3.4 仿真实验及性能分析 | 第27-32页 |
| 3.4.1 使用两种不同误差函数的常模信号盲均衡实验 | 第27-29页 |
| 3.4.2 多模信号的盲均衡实验 | 第29-30页 |
| 3.4.3 算法参数选取对盲均衡性能的影响 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于高斯过程回归的方法及模型 | 第33-39页 |
| 4.1 高斯过程的定义及性质 | 第33页 |
| 4.2 高斯过程回归理论概述 | 第33-36页 |
| 4.3 高斯过程回归的模型训练 | 第36-38页 |
| 4.3.1 均值函数和协方差函数模型的选择 | 第36-37页 |
| 4.3.2 参数集合的选择 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 基于高斯过程回归的盲均衡算法 | 第39-52页 |
| 5.1 高斯过程回归的盲均衡模型介绍 | 第39-40页 |
| 5.2 基于高斯过程回归的常模盲均衡算法 | 第40-44页 |
| 5.3 基于高斯过程回归的多模盲均衡算法 | 第44-47页 |
| 5.4 仿真实验及性能分析 | 第47-51页 |
| 5.4.1 常模信号的盲均衡实验及性能分析 | 第47-48页 |
| 5.4.2 多模信号的盲均衡实验及性能分析 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 在学期间的研究成果 | 第57-58页 |
| 致谢 | 第58页 |