基于空间调制的无线传输新技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 缩略词表 | 第12-14页 |
| 主要符号表 | 第14-15页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 多天线技术 | 第15-16页 |
| 1.2 研究意义与发展现状 | 第16-18页 |
| 1.2.1 研究意义和背景 | 第16-17页 |
| 1.2.2 研究现状 | 第17-18页 |
| 1.3 本文的主要内容与贡献 | 第18-19页 |
| 1.4 论文结构及内容 | 第19-20页 |
| 第二章 空间调制无线传输技术 | 第20-31页 |
| 2.1 引言 | 第20页 |
| 2.2 空间调制技术 | 第20-24页 |
| 2.2.1 空间调制 | 第20-21页 |
| 2.2.2 广义空间调制 | 第21-22页 |
| 2.2.3 增强型空间调制系统 | 第22-24页 |
| 2.3 空间调制的性能分析 | 第24-26页 |
| 2.3.1 基于并集界的性能分析 | 第24-25页 |
| 2.3.2 基于分段式界的性能分析 | 第25页 |
| 2.3.3 基于最近邻界的性能分析 | 第25-26页 |
| 2.4 多域联合索引调制性能分析 | 第26-30页 |
| 2.4.1 3D-IM系统模型 | 第26-27页 |
| 2.4.2 性能分析 | 第27-28页 |
| 2.4.3 仿真结果 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 新型智能空间调制技术 | 第31-59页 |
| 3.1 引言 | 第31页 |
| 3.2 机器学习技术 | 第31-33页 |
| 3.2.1 无监督式学习 | 第31-32页 |
| 3.2.2 监督式学习 | 第32-33页 |
| 3.2.3 强化学习 | 第33页 |
| 3.3 基于无监督式学习的信号盲检测算法 | 第33-41页 |
| 3.3.1 空间调制聚类检测模型 | 第33-34页 |
| 3.3.2 传统的K均值聚类检测器 | 第34-35页 |
| 3.3.3 改进的K均值聚类检测器 | 第35-36页 |
| 3.3.4 仿射传播聚类检测器 | 第36-38页 |
| 3.3.5 复杂度分析 | 第38页 |
| 3.3.6 仿真结果 | 第38-41页 |
| 3.4 基于监督式学习的信号半盲检测算法 | 第41-50页 |
| 3.4.1 传统监督式学习检测器 | 第41-43页 |
| 3.4.2 改进的监督式学习检测器 | 第43-46页 |
| 3.4.3 仿真结果 | 第46-50页 |
| 3.5 智能自适应空间调制技术 | 第50-57页 |
| 3.5.1 基于机器学习的天线选择算法 | 第50-56页 |
| 3.5.2 基于机器学习的功率分配算法 | 第56-57页 |
| 3.6 本章小结 | 第57-59页 |
| 第四章 基于空间调制的新技术研究 | 第59-70页 |
| 4.1 引言 | 第59-60页 |
| 4.2 可见光通信信道模型 | 第60页 |
| 4.3 OSM-OFDM系统 | 第60-63页 |
| 4.3.1 DCO-OFDM系统 | 第61-63页 |
| 4.3.2 ACO-OFDM系统 | 第63页 |
| 4.4 V-BLAST-OFDM系统 | 第63页 |
| 4.5 NDC-OFDM系统 | 第63-65页 |
| 4.6 GLIM-OFDM系统 | 第65-66页 |
| 4.7 性能对比 | 第66-69页 |
| 4.8 本章小结 | 第69-70页 |
| 第五章 全文总结及展望 | 第70-72页 |
| 5.1 本文的贡献 | 第70-71页 |
| 5.2 未来研究方向 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻硕期间取得的研究成果 | 第77页 |
