基于群智能算法的MIMO系统关键技术研究
摘要 | 第3-4页 |
abstract | 第4-5页 |
第1章 绪论 | 第9-15页 |
1.1 引言 | 第9-10页 |
1.2 研究背景及意义 | 第10-13页 |
1.2.1 天线选择研究背景与意义 | 第10-12页 |
1.2.2 空间调制研究背景与意义 | 第12-13页 |
1.3 研究内容和结构安排 | 第13-15页 |
第2章 MIMO技术与空间调制概述 | 第15-33页 |
2.1 MIMO系统模型 | 第15-18页 |
2.1.1 天线选择算法原理 | 第16-18页 |
2.2 经典天线选择算法 | 第18-25页 |
2.2.1 最优天线选择算法 | 第18-20页 |
2.2.2 递增天线选择算法 | 第20-23页 |
2.2.3 范数天线选择算法 | 第23-25页 |
2.3 空间调制技术 | 第25-27页 |
2.3.1 系统模型 | 第25页 |
2.3.2 调制原理 | 第25-27页 |
2.4 经典信号检测算法 | 第27-31页 |
2.4.1 最大似然检测算法 | 第27-28页 |
2.4.2 最大合并比检测算法 | 第28-29页 |
2.4.3 归一化合并比检测算法 | 第29页 |
2.4.4 检测性能仿真 | 第29-31页 |
2.5 本章小结 | 第31-33页 |
第3章 基于粒子群算法的天线选择研究 | 第33-49页 |
3.1 粒子群算法基本原理 | 第33-37页 |
3.1.1 二进制粒子群 | 第34页 |
3.1.2 二进制粒子群存在的问题 | 第34-36页 |
3.1.3 新型二进制粒子群算法 | 第36-37页 |
3.2 新型二进制粒子群用于天线选择 | 第37-39页 |
3.2.1 信道容量的二进制编码表示 | 第37-39页 |
3.2.2 算法实现步骤 | 第39页 |
3.3 仿真结果与讨论 | 第39-46页 |
3.3.1 收敛性比较分析 | 第39-43页 |
3.3.2 容量性能分析 | 第43-46页 |
3.4 计算复杂度分析 | 第46-47页 |
3.5 本章小结 | 第47-49页 |
第4章 基于猫群算法的天线选择研究 | 第49-65页 |
4.1 基本猫群算法 | 第49-50页 |
4.1.1 搜寻模式 | 第49-50页 |
4.1.2 跟踪模式 | 第50页 |
4.2 离散猫群算法 | 第50-52页 |
4.2.1 搜寻模式 | 第50-51页 |
4.2.2 跟踪模式 | 第51-52页 |
4.3 猫群算法用于天线选择 | 第52-54页 |
4.3.1 算法模型 | 第52-53页 |
4.3.2 算法实现步骤 | 第53-54页 |
4.4 一种新型二进制猫群算法 | 第54-58页 |
4.4.1 算法分析 | 第54-55页 |
4.4.2 搜寻模式 | 第55页 |
4.4.3 跟踪模式 | 第55-56页 |
4.4.4 迭代过程举例 | 第56-58页 |
4.5 性能分析 | 第58-64页 |
4.5.1 收敛性分析 | 第58-60页 |
4.5.2 容量性能分析 | 第60-62页 |
4.5.3 计算复杂度分析 | 第62-64页 |
4.6 本章小结 | 第64-65页 |
第5章 空间调制信号检测算法研究 | 第65-79页 |
5.1 M-PSK星座下信号检测 | 第65-68页 |
5.2 新算法具体表述 | 第68-69页 |
5.3 性能仿真与复杂度分析 | 第69-73页 |
5.3.1 误码率性能分析 | 第69-72页 |
5.3.2 计算复杂度分析 | 第72-73页 |
5.4 基于新型二进制粒子群的信号检测算法 | 第73-75页 |
5.4.1 系统模型 | 第73页 |
5.4.2 算法实现步骤 | 第73页 |
5.4.3 迭代过程分析 | 第73-75页 |
5.5 粒子群检测性能分析 | 第75-78页 |
5.5.1 误码率性能分析 | 第75-77页 |
5.5.2 计算复杂度分析 | 第77-78页 |
5.6 本章小结 | 第78-79页 |
第6章 总结与展望 | 第79-81页 |
6.1 总结 | 第79-80页 |
6.2 展望 | 第80-81页 |
参考文献 | 第81-86页 |
致谢 | 第86-87页 |
个人简历、在学期间发表的学术论文与科研成果 | 第87页 |