自适应均衡算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·引言 | 第8-9页 |
| ·均衡的概念和基础 | 第9-10页 |
| ·全文章节安排 | 第10-11页 |
| 第二章 自适应均衡的基本理论 | 第11-23页 |
| ·引言 | 第11页 |
| ·维纳滤波器 | 第11-13页 |
| ·常用自适应算法 | 第13-19页 |
| ·迫零算法(ZF) | 第13-14页 |
| ·最小均方算法(LMS) | 第14-17页 |
| ·递归最小二乘法(RLS) | 第17-19页 |
| ·小结 | 第19页 |
| ·改进的LMS 算法 | 第19-23页 |
| ·变步长的LMS 算法 | 第19-20页 |
| ·平均自适应滤波的LMS 算法 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第三章 高阶统计量的基本知识 | 第23-30页 |
| ·高阶矩和高阶累积量 | 第23-26页 |
| ·高阶矩和高阶累积量的定义 | 第23-25页 |
| ·随机变量的矩和累积量之间的转换关系 | 第25-26页 |
| ·高阶矩和累积量的性质 | 第26-27页 |
| ·高阶谱的定义 | 第27-28页 |
| ·非高斯信号与线性系统 | 第28-30页 |
| ·亚高斯和超高斯信号 | 第28-29页 |
| ·非高斯信号通过线性系统 | 第29-30页 |
| 第四章 盲均衡的基本理论 | 第30-47页 |
| ·盲均衡算法的分类和研究动态 | 第30-32页 |
| ·盲均衡的数学模型 | 第32-33页 |
| ·Bussgang 类盲均衡算法 | 第33-36页 |
| ·Bussgang 类盲均衡算法的基本原理 | 第33-35页 |
| ·Bussgang 类盲均衡算法的特例 | 第35-36页 |
| ·恒模算法(CMA) | 第36-39页 |
| ·恒模算法的基本表述 | 第36-37页 |
| ·恒模算法的理论推导 | 第37-38页 |
| ·恒模算法的仿真结果 | 第38-39页 |
| ·变步长的恒模算法 | 第39-44页 |
| ·算法收敛性能 | 第40-41页 |
| ·算法对信道跟踪能力 | 第41-42页 |
| ·算法抗随机突发强噪声能力 | 第42-44页 |
| ·将Bussgang 算法推广到复基带 | 第44-47页 |
| 第五章 基于高阶统计量的盲均衡 | 第47-67页 |
| ·基于高阶统计量的盲均衡算法 | 第47-52页 |
| ·偶数阶归一化累积量算法 | 第52-60页 |
| ·四、二阶归一化累积量算法 | 第52-57页 |
| ·四、二阶归一化累积量算法的仿真 | 第57-60页 |
| ·奇数阶归一化累积量算法 | 第60-66页 |
| ·对称——反对称互变换 | 第60-61页 |
| ·三、二阶归一化累积量算法 | 第61-64页 |
| ·三、二阶归一化累积量算法的仿真 | 第64-66页 |
| ·小结 | 第66-67页 |
| 全文总结 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 个人简历 | 第71页 |
