摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
符号对照表 | 第14-15页 |
缩略语对照表 | 第15-20页 |
第一章 绪论 | 第20-32页 |
1.1 研究背景及意义 | 第20-21页 |
1.2 信道均衡技术的发展历史与研究现状 | 第21-29页 |
1.2.1 数据辅助均衡技术 | 第22-25页 |
1.2.2 盲均衡技术 | 第25-29页 |
1.3 信道均衡算法的性能评估准则 | 第29-30页 |
1.4 论文的研究内容与结构安排 | 第30-32页 |
第二章 数据辅助均衡与盲均衡的基本理论 | 第32-48页 |
2.1 引言 | 第32页 |
2.2 数据辅助均衡技术中的基本算法 | 第32-39页 |
2.2.1 系统模型 | 第33-34页 |
2.2.2 迫零算法 | 第34页 |
2.2.3 最小均方算法 | 第34-35页 |
2.2.4 递归最小二乘算法 | 第35-37页 |
2.2.5 仿真结果 | 第37-39页 |
2.3 Bussgang类盲均衡技术中的基本算法 | 第39-46页 |
2.3.1 系统模型 | 第39-41页 |
2.3.2 恒模算法 | 第41-42页 |
2.3.3 多模算法 | 第42-43页 |
2.3.4 判决导引算法 | 第43-44页 |
2.3.5 仿真结果 | 第44-46页 |
2.4 本章小结 | 第46-48页 |
第三章 脉冲噪声环境下的自适应数据辅助均衡算法 | 第48-72页 |
3.1 Alpha稳定分布 | 第48-50页 |
3.2 单输入单输出系统中脉冲噪声环境下的信道均衡 | 第50-61页 |
3.2.1 引言 | 第50-52页 |
3.2.2 最小二乘信道均衡算法 | 第52-54页 |
3.2.3 单输入单输出非线性加权最小二乘均衡算法 | 第54-56页 |
3.2.4 非线性加权最小二乘均衡算法的复杂度分析 | 第56页 |
3.2.5 仿真结果与分析 | 第56-61页 |
3.3 多输入多输出系统中脉冲噪声环境下的信道均衡 | 第61-70页 |
3.3.1 引言 | 第61-62页 |
3.3.2 系统模型 | 第62-64页 |
3.3.3 多输入多输出最小均方误差均衡算法 | 第64页 |
3.3.4 多输入多输出非线性加权最小二乘均衡算法 | 第64-66页 |
3.3.5 仿真结果与分析 | 第66-70页 |
3.4 本章小结 | 第70-72页 |
第四章 脉冲噪声环境下的稳健盲均衡算法 | 第72-84页 |
4.1 引言 | 第72-73页 |
4.2 分数低阶恒模算法 | 第73-75页 |
4.3 稳健自适应权重多模盲均衡算法 | 第75-78页 |
4.3.1 脉冲噪声环境下多模算法性能下降的原因分析 | 第75-76页 |
4.3.2 稳健自适应权重多模算法 | 第76-78页 |
4.4 仿真结果与分析 | 第78-82页 |
4.5 稳健自适应权重多模算法的复杂度分析 | 第82页 |
4.6 本章小结 | 第82-84页 |
第五章 复杂噪声环境下的二进制恒模算法 | 第84-104页 |
5.1 引言 | 第84-86页 |
5.2 基于恒模特性的二进制恒模盲均衡算法 | 第86-90页 |
5.2.1 高阶QAM系统中恒模算法性能下降的原因分析 | 第86-87页 |
5.2.2 二进制恒模算法 | 第87-90页 |
5.3 二进制恒模算法的复杂度分析 | 第90-91页 |
5.4 仿真结果与分析 | 第91-103页 |
5.4.1 加性高斯白噪声环境下的性能对比 | 第91-97页 |
5.4.2 Alpha稳定分布噪声环境下的性能对比 | 第97-103页 |
5.5 本章小结 | 第103-104页 |
第六章 总结与展望 | 第104-108页 |
6.1 全文内容总结 | 第104-105页 |
6.2 后续工作展望 | 第105-108页 |
参考文献 | 第108-118页 |
致谢 | 第118-120页 |
作者简介 | 第120-122页 |