| 表目录 | 第1-8页 |
| 图目录 | 第8-10页 |
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| ·研究背景和意义 | 第12-14页 |
| ·盲信道估计的概念 | 第12-13页 |
| ·盲信道估计的应用 | 第13-14页 |
| ·发展简史和研究现状 | 第14-17页 |
| ·研究历程 | 第14-16页 |
| ·面临的问题 | 第16-17页 |
| ·本文的主要成果和章节安排 | 第17-19页 |
| 第二章 短波信道模型及可辨识性分析 | 第19-30页 |
| ·引言 | 第19页 |
| ·短波信道的特性 | 第19-22页 |
| ·短波信道的物理特性 | 第19-20页 |
| ·短波信道的统计特性 | 第20-22页 |
| ·基于二阶统计量的盲信道模型 | 第22-25页 |
| ·SISO模型简介 | 第22-23页 |
| ·SIMO模型简介 | 第23-25页 |
| ·盲信道可辨识性分析 | 第25-29页 |
| ·SISO模型的可辨识性分析 | 第25-27页 |
| ·SIMO模型的可辨识性分析 | 第27页 |
| ·两种模型的可辨识条件之间的联系 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于确定性模型的盲估计算法 | 第30-47页 |
| ·引言 | 第30页 |
| ·基于子空间分解的确定性盲估计算法 | 第30-36页 |
| ·LS(Least-Squares)算法 | 第30-31页 |
| ·SS(Subspace)算法 | 第31-33页 |
| ·仿真试验及性能分析 | 第33-36页 |
| ·基于线性预测的确定性盲估计算法 | 第36-41页 |
| ·LSS(Least Squares Smoothing)算法 | 第36-39页 |
| ·J-LSS(Jnint-Least Squares Smoothing)算法 | 第39-41页 |
| ·算法改进 | 第41-45页 |
| ·J-LSS算法改进 | 第41-43页 |
| ·仿真试验及性能分析 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 基于统计性模型的盲估计算法 | 第47-63页 |
| ·引言 | 第47页 |
| ·基于子空间分解的统计性盲估计算法 | 第47-51页 |
| ·TXK算法原理 | 第47-49页 |
| ·阶数过估计对TXK算法的影响 | 第49-50页 |
| ·仿真试验及性能分析 | 第50-51页 |
| ·基于线性预测的统计性盲估计算法 | 第51-55页 |
| ·LP(Linear Prediction)算法 | 第52-53页 |
| ·OPD(Outer-Product Decompositon)算法 | 第53-55页 |
| ·算法改进 | 第55-62页 |
| ·OPD算法改进 | 第55-57页 |
| ·仿真试验及性能分析 | 第57-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 信道阶数估计 | 第63-70页 |
| ·引言 | 第63-64页 |
| ·系统模型 | 第64页 |
| ·经典的信道阶数估计算法 | 第64-65页 |
| ·MDL criterion | 第64页 |
| ·Liavas’criterion | 第64-65页 |
| ·基于噪声功率的阶数估计算法(NP) | 第65-67页 |
| ·仿真试验及性能分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 两类算法的性能比较 | 第70-79页 |
| ·引言 | 第70页 |
| ·信道条件 | 第70-71页 |
| ·仿真试验及性能比较 | 第71-76页 |
| ·已知信道阶数下的仿真试验及性能分析 | 第71-73页 |
| ·基于幅度检测法的联合信道参数估计算法的仿真试验及性能分析 | 第73-74页 |
| ·基于NP算法的联合信道参数估计算法的仿真试验及性能分析 | 第74-76页 |
| ·实际信号测试 | 第76-77页 |
| ·本章小结 | 第77-79页 |
| 结束语 | 第79-81页 |
| 一、全文总结 | 第79-80页 |
| 二、展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 附录A 常用符号说明 | 第86-87页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第87-88页 |
| 致谢 | 第88页 |
