数字预失真放大器中的自适应算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景和意义 | 第9-10页 |
| ·预失真技术的研究现状 | 第10-11页 |
| ·自适应算法的研究现状 | 第11页 |
| ·本文的工作 | 第11-13页 |
| 第二章 放大器模型 | 第13-26页 |
| ·放大器的无记忆效应模型 | 第13-19页 |
| ·幂级数模型 | 第14-16页 |
| ·Saleh 模型 | 第16-17页 |
| ·人工神经网络模型 | 第17-19页 |
| ·放大器的有记忆效应模型 | 第19-25页 |
| ·Volterra 模型 | 第19-22页 |
| ·记忆多项式模型 | 第22-23页 |
| ·多盒模型 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 数字预失真技术 | 第26-35页 |
| ·数字预失真技术基本原理 | 第26-27页 |
| ·数字预失真技术分类 | 第27-30页 |
| ·LUT 预失真技术 | 第27-29页 |
| ·多项式预失真技术 | 第29-30页 |
| ·极坐标预失真技术 | 第30-33页 |
| ·极坐标预失真技术 | 第31-32页 |
| ·预失真表结构 | 第32-33页 |
| ·预失真技术中的自适应算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 LMS 算法研究及改进 | 第35-53页 |
| ·LMS 算法原理 | 第35-38页 |
| ·变步长LMS 算法的文献回顾 | 第38-40页 |
| ·一种新的变步长LMS 算法 | 第40-52页 |
| ·基于反正切函数的变步长LMS 算法 | 第40-43页 |
| ·算法稳定性分析 | 第43-44页 |
| ·均值收敛性分析 | 第44-47页 |
| ·均方收敛性分析 | 第47-48页 |
| ·仿真验证 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 归一化LMS 算法研究及改进 | 第53-66页 |
| ·算法原理 | 第53-55页 |
| ·文献回顾 | 第55-57页 |
| ·新的改进NLMS 算法 | 第57-65页 |
| ·新算法概述 | 第57-58页 |
| ·算法稳定性分析 | 第58-60页 |
| ·均值与均方收敛性分析 | 第60-61页 |
| ·仿真验证 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 RLS 算法研究 | 第66-72页 |
| ·RLS 算法基本概念 | 第66-71页 |
| ·最小二乘算法 | 第66-68页 |
| ·RLS 算法 | 第68-71页 |
| ·RLS 算法仿真 | 第71页 |
| ·本章小结 | 第71-72页 |
| 第七章 仿射投影算法研究 | 第72-76页 |
| ·仿射投影算法基本概念 | 第72-74页 |
| ·算法仿真 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第八章 结束语 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士期间取得的研究成果 | 第82-83页 |
| 附录A 拉格朗日乘子 | 第83-86页 |
