一、若干种盲信道辨识与均衡算法的研究（论文文献综述）
白曜铭,蒋建中,刘世刚,孙有铭[1]（2016）在《基于信道相关性的半盲信道辨识算法》文中提出针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,本文基于信道的CR相关性提出一种简单有效的半盲信道辨识算法。算法通过输出数据构造相关矩阵W,根据相关矩阵W与信道向量的正交性构造约束方程,并利用少量已知符号和改进的最小二乘（Modified least square,MLS）准则建立额外的约束,通过最小二乘法求得信道响应的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,算法复杂度较低且性能稳定,对信道噪声及信道阶数具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。
赵玉婷[2]（2014）在《多天线系统中基于子空间的盲信道估计算法研究》文中研究说明多天线技术通过在发射端或接收端安装多个天线,显着提升通信系统的容量、覆盖范围和频谱利用率,成为目前无线通信领域中极受关注的技术。信道均衡作为无线通信的一个重要环节,利用信道状态信息补偿信道对发送信号的影响。而由于无线移动信道具有未知时变的特性,因此要求接收端事先对信道状态信息进行估计。传统的做法是通过周期性地发送训练序列来获取信道的相关信息,不仅降低了频带利用率,而且限制了其在某些无法发送训练序列的场景中的应用。不同于传统做法,盲和半盲的信道估计方法不需要或仅需要少量的训练序列就可以完成信道估计。本文针对多天线系统中的盲信道估计这一课题,重点关注基于子空间的盲信道估计方法,研究内容概述如下:1.研究了现有多天线系统中的盲信道估计方法,根据方法中所用到的接收信号的统计特性类型进行分类,总结各类算法的研究现状,并对各自的优缺点及适用场景进行分析,进而突出体现基于子空间类算法的优势。2.研究了频率选择性衰落信道下单发多收系统中的信道阶数盲估计问题,在总结经典阶数盲估计方法的基础上,针对几种经典算法对信噪比条件要求严苛或在信道有首尾系数时性能恶化的不足,将之前被人们用于信源数估计的盖尔圆准则应用于解决信道阶数估计问题,提出了一种新的信道阶数估计方法。3.研究了SIMO系统中基于子空间的盲信道估计方法,针对传统算法仅能处理已知精确信道阶数情况下信道估计问题的不足,通过利用有理空间理论对传统算法进行改进,将其应用扩展到了已知信道阶数上界的情况,从而使基于子空间的算法对信道阶数过估计具有鲁棒性,增强了算法的实用性。4.对基于子空间的盲信道估计算法在利用空时分组编码的多天线系统中的应用进行了研究。重点讨论了空时分组编码系统中的信道可盲辨识条件,并针对模糊度问题,利用半盲信道估计的思想,通过借助少量训练序列实现了信道的完全辨识,使接收端能够完成对发送信号的正确解码。5.模糊度是盲信道估计固有的问题,由于这一问题不能通过全盲的方法解决,因此在许多研究盲信道估计算法的文献中往往被一带而过,但这一问题会对实际通信产生严重影响。本文在研究SIMO系统和空时分组编码系统下的信道盲辨识时,重点关注了模糊度问题,分析了模糊度在不同系统下的表现形式。
白曜铭[3]（2014）在《确定性盲信道辨识算法研究》文中进行了进一步梳理无线数字通信中,受多径传输等信道因素的影响,接收信号会存在码间干扰,因此需要进行信道辨识以对其引起的信号畸变进行校正。无需或仅需少量已知符号的盲信道辨识技术得到广泛关注,基于二阶统计量（Second-Order Statistics,SOS）的盲信道辨识算法所需数据量小、算法复杂度低,是近年来盲信道辨识领域的研究热点。本文以国防某重大科研项目为依托,深入研究更适于实际应用的SOS确定性盲辨识算法。全文主要工作与成果如下:1.结合SIMO信道模型,本文归纳总结出具有普适性的SOS盲辨识算法可辨识条件,即信道条件、信源条件和数据条件。深入研究信道零点分布与SOS确定性盲辨识算法的可辨识性关系,并进行了相关的理论分析与仿真实验。2.针对SOS确定性全盲辨识算法对信道阶数的估计精度依赖性较高这一特点,本文提出一种基于样本排序的信道阶数估计改进算法,算法通过建立与样本数据对应的连续次序对二维空间,利用阶数欠估计时的特定图形结构估计信道阶数,改进算法有效地提升了原算法在较低信噪比下的估计性能。然后提出一种联合信道辨识与均衡的阶数估计算法,算法首先构造具有凸形结构的辨识代价函数,而后提出新颖的加权最小二乘均衡准则并给出相关的理论分析,联合同样具有凸形结构的辨识代价函数与均衡代价函数,在达到算法全局最优解时完成对信道阶数的估计,仿真实验表明:该算法在不同信道条件下的估计性能明显优于现有的其他阶数估计算法,且性能稳定可靠。3.针对SOS确定性全盲辨识算法对信道阶数误差鲁棒性差的问题,本文首先对信道零点分布与阶数过估计之间的联系进行深入的理论分析,发现并证明了由阶数过估计额外引入的“公零点”具有单位圆聚集特性,利用这一特性提出一种基于信道零点分布的盲辨识算法,该算法简单实用且适用范围广。同时,将“公零点”的单位圆聚集特性与具有较低复杂度的改进CR算法相结合,在频域范围内求解信道响应以提高算法在小样本数据条件下的辨识性能,提出一种采用FFT方法的抗阶数过估计盲辨识算法,仿真实验表明:该算法具有较强的信道阶数误差鲁棒性。4.针对全盲辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,本文提出一种采用奇异值分解方法的半盲辨识算法,算法通过奇异值分解将信道矩阵分解为两个矩阵乘积的形式,分别利用接收数据和已知符号实现信道辨识,仿真实验验证了所提算法的有效性。然后提出一种基于信道相关性的半盲辨识算法,算法利用接收数据构造的相关矩阵与信道向量的正交关系建立约束方程,并利用少量已知符号以及改进的最小二乘准则建立额外的约束,最终通过最小二乘法得到信道响应的闭式解,该算法性能稳健且辨识精度高,对信道噪声及信道阶数误差均具有较强的鲁棒性。
戴锡平[4]（2014）在《MIMO-OFDM系统接收中信道估计技术研究》文中提出多输入多输出（Multiple-Input Multiple-Output,MIMO）技术充分利用空间资源,能够为系统提供空间分集增益与空间复用增益,抵抗信道衰落,提高信道容量与频带利用率。此外,正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术作为一种高频带利用率的多载波调制技术,能够将频率选择性衰落信道转化为平坦衰落信道,克服多径传播对系统带来的不利影响。结合两者优势的MIMO-OFDM技术作为4G核心物理层的首选传输技术,受到了广泛地关注。同时,在MIMO-OFDM系统中,信道估计能够为接收端的相干检测提供重要的信道参数,对构建均衡器、校正畸变信号以及恢复发送序列具有至关重要的作用,直接影响着系统性能的好坏。因此,信道估计成为了MIMO-OFDM系统的研究热点。本文基于多输入多输出信道模型,以信道估计作为课题的研究方向,出于对高频谱效率以及高系统容量的追求,重点对盲信道估计技术进行了研究,主要工作与创新点归纳如下:1、在研究传统噪声子空间算法的基础上,对算法进行改进,提出了一种适用于MIMO-OFDM系统的子空间盲信道估计算法。该算法通过采用块矩阵方案减少了求解自相关矩阵所需的样本数,有效地降低了自相关矩阵与噪声子空间的扰动,提高了算法的收敛速度与估计精度。2、针对确定性子空间算法对信道阶数过估计比较敏感的缺点,本文基于频域滤波方法与子空间方法相结合,提出了一种具有阶数误差鲁棒的子空间算法。该算法利用频域子空间算法对信道进行估计,通过频域滤波算法进行降噪处理,提高估计精度。接着,为了进一步评价信道估计器的性能,推导了算法的最小约束克拉美罗界。理论分析与仿真结果表明,该算法对信道阶数的过估计具有很强的鲁棒性。3、针对MIMO-OFDM系统中频偏与信道联合估计问题进行了研究,综合考虑频偏估计与信道估计这两方面的因素,克服其单独估计无法使系统性能达到最优这一缺陷,提出了一种新的适用于MIMO-OFDM系统的半盲载波与信道联合估计算法。该算法通过将子空间方法与时域重复数据段的方法相结合,完成了MIMO-OFDM系统的载波同步与信道估计,并分析了载波频偏对系统性能的影响。实验仿真结果表明,所提算法具有较宽的频偏估计范围,在频率选择性衰落信道下能够取得优于其它同类算法的良好估计性能。
赵建春[5]（2012）在《高速宽带移动通信系统中均衡方法研究》文中研究表明本论文主要讨论了移动通信中多载波系统的均衡技术。常见的多载波系统包括正交频分复用（OFDM）系统、多载波码分多址（CDMA）系统以及广义多载波CDMA （GMC-CDMA）系统。无线通信系统常常受到多种干扰的影响,针对这些干扰,本文采用了多载波调制、正交编码、广线性迫零（WL-ZF）均衡等技术来提高系统的性能。本文中,还将广线性（WL）方法用于基于子空间的盲信道辨识。论文首先介绍了移动通信系统的发展历史及现状,在第二章阐述了无线通信信道的基本特征,并介绍了多径衰落对信道的影响。第三章中我们较为详细的介绍了OFDM技术和CDMA技术,OFDM能够有效对抗频率选择性衰落,而使用CDMA技术能对传输信号进行扩谱以抗干扰,两种技术可以相结合即多载波CDMA系统。文中还介绍了GMC-CDMA系统模型,GMC-CDMA系统还可实现多速率的数据传输。当移动通信系统中存在窄带干扰（NBI）时,传统的迫零（ZF）均衡器通常表现不佳。为了合成抗干扰检测算法,我们采用广义线性（WL）滤波,它允许通过联合处理接收信号及其复共轭形式利用所需信号星座图的圆度属性。文中第四章提出一种新颖的用于多载波系统的WL-ZF接收机,在最小输出（MOE）的情况下,它能有效抑制窄带干扰并且无需NBI的统计数据。文中还提出了一种新的基于子空间的盲信道辨识算法,并推导出信道可辨识条件。当存在窄带干扰时,只需要一个NBI自相关矩阵的近似矩阵,该算法就能达到令人满意的效果。MatLab仿真结果表明,相比较于传统的线性ZF接收机本文提出的WL-ZF接收机性能有明显的提高。
张金成[6]（2011）在《短波通信中的信道与信噪比估计技术研究》文中提出近年来,为满足人们日益增长的对大数据量通信业务的需求,短波高速通信系统应运而生。目前,对短波高速通信的研究主要从块传输和突发传输两方面着手。前者大都需要在每块数据中适当地插入部分导频,以完成对信道的估计与均衡,如短波正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）系统和单载波频域均衡（single carrier-frequency domain equalization, SC-FDE）系统;后者在选定最佳通信信道并和对方握手后,瞬间将信号发送出去,如采用3G-ALE协议的系统。信道估计和信噪比估计技术是通信信号接收解调中的关键技术,用于辅助后续均衡处理和译码算法时,能够大大提高系统的可靠性。本文主要研究了上述三类系统中的信道估计算法,并在总结近年来信噪比估计方法的基础上,重点研究了其中一种强鲁棒性的盲信噪比估计方法。本文工作依托实验室承担的某重点预研项目的部分展开,主要内容如下:1、基于导频的OFDM信道估计。针对梳状导频无法很好地估出频响变化剧烈的信道和块状导频跟不上快时变信道的不足,研究了一种迭代的判决反馈信道估计方法,即利用判决后的发送符号估计更新信道系数估值,再依此信道估值对接收信号进行均衡,直至信道估值收敛后,迭代终止。该方法大大改善了短波恶劣信道下系统的性能。2、双选信道下SC-FDE系统中的信道估计。提出了一种改进的信道估计算法,将两个相邻数据块的导频组成一个新导频,再根据循环卷积的时域循环移位性质对新导频进行处理,得到若干组不同移位时的信道系数估值,利用无线信道的稀疏特性,对每组信道估值进行降噪处理并求平均得到最终的信道估值,进而改善了信道估计性能和频域均衡效果。3、短波高速突发通信系统中的信道估计。提出一种盲信道估计和盲均衡方法,利用粒子滤波估计发送符号的后验概率密度,并依此概率密度得到发送符号序列估值,根据最大似然准则更新信道系数和噪声方差,而后再重新估计后验概率密度,经过若干次这样的迭代后,信道系数估值收敛到稳态值。该方法无需训练序列即可实现对多径衰落信道的盲辨识与盲均衡,性能接近信道已知时的情形。4、信噪比估计算法研究。系统总结了近年来主要的信噪比估计算法,并就不同条件下的方法进行了计算机仿真,得到了一些比较直观的结论,具有一定的参考价值。基于此,对其中基于子空间分解的盲信噪比估计方法进行深入的研究。提出一种改进的自相关矩阵构造方法,在估计性能和计算复杂度之间取得较好的折中。该方法能够对中频信号直接处理,与调制方式和发送端成型滤波器的滚降系数无关,在短波信道下也能较好地估计出信号的信噪比。
谢逢博[7]（2011）在《车载自组织网络中的盲信道估计与均衡》文中研究表明码间干扰被认为是在无线通信领域中高速传输数据时的主要障碍,为了克服其引起的信号失真,在通信系统中常常使用信道均衡技术。传统均衡技术克服码间干扰的方法是发送训练序列,盲均衡具有无需训练序列的优良特性。本文主要研究了车载网络中基于相关性的盲信道估计和均衡算法。本文共分五章:第一章概述了背景知识、信道估计及均衡的发展情况,以及本文所做的主要工作。第二章介绍了盲均衡的基本概念、盲均衡器的结构、盲均衡的基本算法以及性能特征。第三章介绍了车载网络中基于互相关性的基本知识,给出了车载网络中基于互相关性的信号和系统模型,同时,还引出了在城市环境下车载网络中,毗邻的vehicles之间传输的信号具有高度互相关性的特点。第四章针对V2V网络,利用这一特点引入了一种有效的盲信道辨识和均衡算法,在此基础上又引入了一种计算复杂度较低的自适应算法,最后对该算法与文献算法做了理论比较和仿真研究。第五章针对V2I网络,还利用这一特点提出了一种同时带等式约束和不等式约束的最小能量输出优化算法,以增强系统的鲁棒性。仿真实验结果表明了该鲁棒性算法具有良好的性能,在收敛速度、稳态剩余误差、误码率等性能方面均有改善。
王刚[8]（2010）在《MIMO-OFDM宽带无线通信系统信道估计技术研究》文中指出正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）是实现高速数据传输的重要技术,它能够有效抵抗信道的多径衰落,且具有频谱利用率高、实现简单等一系列优点。而多天线（Multiple Input Multiple Output, MIMO）技术可以在不增加系统带宽和功率的前提下有效提高系统容量。因此,结合两者优势的MIMO-OFDM技术被普遍接受为实现下一代移动通信系统（4G, Fourth Generation）物理层的核心技术。在要求高数据传输速率,高传输质量和高移动性的4G系统中,信道估计是不可缺少的一环。因此,本论文针对MIMO-OFDM系统的信道估计问题展开研究,在几种不同的信道环境下提出了相应的解决方案。主要工作如下:1.针对准静态信道,即CIR在一个OFDM符号内近似不变的情况下,提出一种基于时延子空间跟踪的信道估计方法。算法首先利用MIMO-OFDM系统的最优导频序列在接收端对信道进行LS估计,接着把信道时域响应分成时延与幅度两部分,利用快速数据投影算法对缓慢变化的时延子空间进行跟踪,最后将CIR向时延子空间上投影得到最终的信道估计。时延子空间跟踪信道估计显着提高了LS估计的质量。如果对于CIR快速变化的幅度部分也利用LMS等自适应算法来跟踪,则可以进一步提高信道估计的准确性。2.在某些不便采用导频估计信道或希望提高系统带宽效率的情况下,可以考虑盲信道估计方法。本文研究了基于子空间分解法信道盲辨识的原理及可辨识条件,并推广到静态信道下的MIMO-OFDM系统中。由于MIMO-OFDM系统中用于信道盲辨识的接收信号向量自相关矩阵的维数很高,采用直接SVD分解的方法运算量太大而难以实现,我们转而提出利用子空间跟踪算法自适应的跟踪噪声子空间以降低算法复杂度。提出的FDPM算法具有线性复杂度且能够稳定和鲁棒地跟踪噪声子空间。3.在时频双选择性快衰落信道中,为了减少需要估计的信道参数个数,我们利用基扩展模型建模时变信道,并提出了一种基于BEM的LMMSE信道估计。为了消除快时变信道中ICI对OFDM系统性能的影响,提出了一种基于块的turbo MMSE均衡算法,它在软输出线性MMSE均衡器和MAP译码器之间交换软信息,并通过多次迭代提高均衡性能。更进一步地,我们提出将信道估计也加入到迭代均衡和译码过程中,将turbo均衡器和译码器在迭代过程中产生的软数据做为辅助导频,从而更加有效地提升了信道估计的精度和系统的BER性能。
牟青[9]（2010）在《直接序列扩频信号的截获分析研究》文中研究表明直接序列扩频信号具有低截获概率和抗窄带干扰等特点,在军用/民用通信以及其它许多领域中有着广泛的应用。不知道伪码和其它参数,即非合作条件下,对它的截获和分析面临挑战,尤其在低信噪比情况下更是如此。虽然过去三十年来针对非合作直扩信号的研究已经在截获和分析方面取得了很多进展,但是理论性的分析和新方法比较少,仍存在一些重要问题没有获得满意的解决。例如,对于直扩信号分析很重要的伪码周期检测和估计问题,在传统的谱相关理论下,就一直没有被严格地对待过;盲信道辨识算法用于直扩信号估计的实际性能还很少从非合作的角度分析过。本文针对上述问题展开了深入的理论研究,同时还将研究对象扩展至长码直扩信号和软扩频信号。本文的贡献归纳起来包括以下几个方面:1.对于短码直扩信号的伪码周期检测和估计问题,首次严格地研究了未知参数模型下的直扩信号最优检测器。在高斯混合信号模型下,推导了一致最大势不变量检测器和几种次优不变量检测器。结果展现了不变量检测器和多循环检测器之间的关系。得到的非相干加权多循环检测器可作为所有基于二阶循环平稳统计量的检测器的性能上限。而且提出的渐进局部最大势不变量（ALMPI）检测器在有限样本下比多循环检测器具有更好的性能而又没有明显增加计算复杂度。在ALMPI检测器的基础上提出了一种新的伪码周期估计器,和传统方法相比,它不需要人工判读。2.同时从信号截获分析和盲信道辨识领域的角度综述了估计短码直扩信号的各种方法,指出了它们的理论联系和区别。首次指出即使是正确地估计了信道阶数（或有效阶数）,盲信道辨识算法用于直扩信号也存在固有的鲁棒性问题。为此提出了平衡信道矩阵的概念,并提出一种新的最大化特征值乘积算法用于解决这个问题。3.分析了长码直扩信号的信息码码宽估计问题。认识到信息码码宽估计需要克服伪码周期的干扰,同时现有方法依赖于具体使用的伪码且在低信噪比下性能不佳。为此提出了一种新的基于差分伪码解扩的信息码码宽估计方法,它在低信噪比时性能明显改善而且与伪码无关。4.完整地研究了长码直扩信号的估计问题。针对非周期长码信号的统计性模型和确定性模型,使用加权低秩逼近优化工具,提出了迭代low-SNR UML算法和基于缺失数据模型的特征分解法,后者将非周期长码信号和短码信号统一起来,几乎达到了二阶统计量意义上的性能最优。同时对于周期长码直扩信号,考察了确定性复指数基展开的时变SIMO信道盲辨识方法用于估计多径情况下的性能,并与截获分析领域常用的特征分解方法进行了性能比较。5.研究了软扩频信号的估计问题。对于多进制正交扩频信号,考察了它的可辨识问题,首次观察到特有的延时模糊现象,提出了一种盲同步算法,并在此基础上用期望值最大（EM）算法估计伪码。对于CCSK信号,提出了一种基于拟自相关矩阵的方法,和现有方法相比,它在低信噪比下性能有明显改善。
于蕾[10]（2009）在《OFDM系统的信道估计技术研究》文中提出正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术是无线宽带数字通信系统中最近几年受到广泛关注的一种通信技术应用。它能够很好的抵抗由于无线信道多径时延扩展产生的符号间干扰。相干OFDM系统的接收端使用相干检测技术,系统需要知道信道状态信息（Channel State Information, CSI）以对接收信号进行信道均衡,从而信道估计成为系统接收端一个重要的环节。本文首先对研究的基本理论进行了阐述,介绍了信道估计的实际应用。然后主要对无线OFDM系统中的信道估计做了如下研究：首先分析了互相关（Cross Relation, CR）算法的基本原理,研究了多通道LMS盲辨识算法和牛顿算法。对LMS算法的通用最优步长的设计进行了详细的探讨,最后得到了基于互相关迭代算法的SIMO-OFDM系统盲信道估计仿真结果。然后研究了典型的ZP-OFDM系统中子空间算法的辨识条件,分析了利用标准正交迭代方法估计噪声子空间进行信道估计的可行性。为了达到良好的算法估计性能,提高收敛速度,提出了两种改进的标准正交迭代算法跟踪子空间---LMS-NEWTON标准正交和改进的LMS-NEWTON标准正交。为了进一步达到快速跟踪子空间、降低算法复杂度的目的,采用降秩正交迭代的方法进行跟踪,另外自相关矩阵的逆和自相关矩阵具有相同的特征向量,因此提出一种快速的噪声子空间降秩迭代方法。对于MIMO-OFDM系统信道估计方法也进行了研究和讨论。为了在发射天线的个数大于接收天线时也能够进行信道估计,对MIMO信道进行了过采样。过采样的噪声不再是白色的,采用预白化的方法来解决。并且提出利用导频或训练序列的半盲算法实现预白化问题。最后利用子空间拟合技术,扩展了OFDM系统的信道估计技术。将传统子空间拟合估计和迭代拟合方式相结合,避免了传统子空间方法中的奇异值分解,得到一种OFDM迭代信道估计算法。为了避免子空间分解而产生的巨大的计算工作量,同时具有较高的收敛速度,能够跟踪时变数据的子空间,提出了基于共轭梯度算法的子空间拟合的OFDM信道估计算法。由于共轭梯度算法和多级维纳滤波器本质上的一致性,提出了基于Krylov子空间的OFDM半盲信道估计算法。
二、若干种盲信道辨识与均衡算法的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、若干种盲信道辨识与均衡算法的研究（论文提纲范文）
（1）基于信道相关性的半盲信道辨识算法（论文提纲范文）
| 引言 |
| 1 信道模型 |
| 2 算法原理 |
| 2.1 基于信道CR相关性的辨识算法 |
| 2.2 基于已知符号的辨识算法及其改进算法 |
| 2.3 基于信道相关性的半盲辨识算法 |
| 3 仿真实验及分析 |
| 3.1 互质条件下的信道辨识仿真实验 |
| 3.2 非互质条件下的信道辨识仿真实验 |
| 4 结束语 |
（2）多天线系统中基于子空间的盲信道估计算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 盲信道估计的研究现状 |
| 1.2.1 基于高阶统计量的盲信道估计算法 |
| 1.2.2 基于二阶统计量的盲信道估计算法 |
| 1.3 论文主要工作及内容安排 |
| 第二章 多天线技术相关内容介绍 |
| 2.1 多天线技术概述 |
| 2.2 多天线系统信道容量 |
| 2.2.1 多天线系统信道容量分析 |
| 2.2.2 不同信道估计方法对信道容量的影响 |
| 2.3 本章小结 |
| 第三章 SIMO系统的信道阶数估计 |
| 3.1 SIMO系统模型 |
| 3.1.1 基于多天线的SIMO系统模型 |
| 3.1.2 信道有效阶数 |
| 3.2 SIMO系统信道阶数估计经典算法 |
| 3.2.1 基于信息论准则的信道阶数估计 |
| 3.2.2 子空间系统辨识方法（Liavas算法） |
| 3.3 基于盖尔圆的信道阶数估计算法 |
| 3.3.1 盖尔圆准则 |
| 3.3.2 基于盖尔圆准则的信道阶数估计方法 |
| 3.4 信道阶数估计性能仿真 |
| 3.5 本章小结 |
| 第四章 基于子空间的SIMO系统盲信道估计 |
| 4.1 SIMO基于子空间的盲信道估计算法 |
| 4.1.1 SIMO系统信道可盲辨识条件 |
| 4.1.2 子空间法盲信道估计 |
| 4.1.3 估计结果的模糊度 |
| 4.2 对信道阶数过估计具有鲁棒性的改进子空间信道估计算法 |
| 4.3 信道估计算法性能仿真 |
| 4.3.1 经典子空间盲信道估计算法性能仿真 |
| 4.3.2 改进算法性能仿真 |
| 4.4 本章小结 |
| 第五章 基于子空间的MIMO-STBC系统盲信道估计 |
| 5.1 STBC系统建模及盲信道估计研究现状 |
| 5.1.1 MIMO-STBC系统模型 |
| 5.1.2 MIMO-STBC系统中盲信道估计研究现状 |
| 5.2 STBC系统基于子空间的盲信道估计算法 |
| 5.2.1 STBC系统信道可盲辨识条件 |
| 5.2.2 STBC系统盲信道估计算法 |
| 5.3 STBC系统半盲信道估计算法 |
| 5.4 信道估计算法性能仿真 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）确定性盲信道辨识算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 基于高阶统计量的盲辨识算法 |
| 1.2.2 基于二阶统计量的盲辨识算法 |
| 1.3 面临的问题与研究思路 |
| 1.3.1 面临的问题 |
| 1.3.2 研究思路 |
| 1.4 本文主要工作及结构安排 |
| 第二章 信道模型与可辨识性分析 |
| 2.1 引言 |
| 2.2 SIMO信道模型 |
| 2.2.1 过采样模型 |
| 2.2.2 多天线模型 |
| 2.3 可辨识条件 |
| 2.3.1 信道条件 |
| 2.3.2 信源条件 |
| 2.3.3 数据条件 |
| 2.4 盲信道辨识算法评价准则 |
| 2.5 本章小结 |
| 第三章 信道阶数估计算法 |
| 3.1 引言 |
| 3.2 信道的有效阶数 |
| 3.3 基于样本排序的阶数估计算法及改进算法 |
| 3.3.1 基于样本排序的阶数估计算法 |
| 3.3.2 改进算法 |
| 3.3.3 算法复杂度分析 |
| 3.3.4 仿真实验与性能分析 |
| 3.4 联合信道辨识与均衡的阶数估计算法(MCIE) |
| 3.4.1 基于信道辨识的阶数估计代价函数 |
| 3.4.2 最小二乘均衡准则与加权最小二乘均衡准则原理描述 |
| 3.4.3 最小二乘均衡准则与加权最小二乘均衡准则性能分析 |
| 3.4.4 MCIE算法流程 |
| 3.4.5 仿真实验与性能分析 |
| 3.5 本章小结 |
| 第四章 阶数误差鲁棒的确定性全盲辨识算法 |
| 4.1 引言 |
| 4.2 基于信道零点分布的盲辨识算法 |
| 4.2.1 信道零点分布与可辨识性关系 |
| 4.2.2 阶数过估计情况下的估计信道零点分布 |
| 4.2.3 基于信道零点分布的盲辨识算法原理 |
| 4.2.4 仿真实验与性能分析 |
| 4.3 采用FFT方法的抗阶数过估计盲辨识算法(R-FFT-SCR) |
| 4.3.1 改进的CR算法(SCR) |
| 4.3.2 基于FFT变换的SCR算法(FFT-SCR) |
| 4.3.3 对阶数误差具有鲁棒性的FFT-SCR算法(R-FFT-SCR) |
| 4.3.4 算法复杂度分析 |
| 4.3.5 仿真实验与性能分析 |
| 4.4 本章小结 |
| 第五章 确定性半盲辨识算法 |
| 5.1 引言 |
| 5.2 半盲辨识算法信号结构 |
| 5.3 采用奇异值分解方法的半盲辨识算法(SVD-SB) |
| 5.3.1 SVD-SB算法原理 |
| 5.3.2 仿真实验与性能分析 |
| 5.4 基于信道相关性的半盲辨识算法(MSBCR) |
| 5.4.1 基于信道CR相关性的全盲辨识算法 |
| 5.4.2 基于已知符号的传统LS算法及其改进算法 |
| 5.4.3 MSBCR算法描述 |
| 5.4.4 仿真实验与性能分析 |
| 5.5 本章小结 |
| 结束语 |
| 一、全文总结 |
| 二、工作展望 |
| 致谢 |
| 参考文献 |
| 附录 1 |
| 附录 2 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
（4）MIMO-OFDM系统接收中信道估计技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 MIMO技术的发展 |
| 1.1.2 OFDM技术的发展 |
| 1.1.3 MIMO技术与OFDM技术的结合 |
| 1.2 国内外研究现状 |
| 1.2.1 频偏估计 |
| 1.2.2 信道估计 |
| 1.2.3 频偏与信道联合估计 |
| 1.3 论文的研究内容及章节安排 |
| 第二章 MIMO-OFDM系统原理及信道模型 |
| 2.1 概述 |
| 2.2 无线信道概述 |
| 2.2.1 信道衰落及扩展 |
| 2.2.2 MIMO信道模型 |
| 2.3 MIMO-OFDM概述 |
| 2.3.1 MIMO-OFDM基本模型 |
| 2.3.2 MIMO-OFDM的关键技术 |
| 2.4 本章小节 |
| 第三章 MIMO-OFDM系统中基于子空间的盲信道估计 |
| 3.1 概述 |
| 3.2 基于数据辅助的信道估计技术研究 |
| 3.2.1 数学模型 |
| 3.2.2 LS算法 |
| 3.2.3 MMSE算法与LMMSE算法 |
| 3.2.4 性能分析及讨论 |
| 3.3 基于子空间的盲信道估计 |
| 3.3.1 数学模型 |
| 3.3.2 算法描述 |
| 3.3.3 复杂度分析 |
| 3.3.4 仿真结果分析 |
| 3.4 本章小节 |
| 第四章 阶数误差鲁棒的子空间算法 |
| 4.1 概述 |
| 4.2 盲信道估计的性能界分析 |
| 4.2.1 约束估计的CRB |
| 4.2.2 不变量估计的CRB |
| 4.2.3 投影误差的CRB |
| 4.3 阶数过估计条件下的子空间算法 |
| 4.3.1 数学模型 |
| 4.3.2 频域子空间与频域滤波联合估计算法 |
| 4.3.3 性能分析 |
| 4.3.4 仿真结果分析 |
| 4.4 本章小节 |
| 第五章 半盲载波与信道联合估计 |
| 5.1 概述 |
| 5.2 数学模型 |
| 5.3 载波频偏对系统的影响 |
| 5.4 频偏与信道联合估计 |
| 5.4.1 频偏估计 |
| 5.4.2 估计模糊的消除 |
| 5.4.3 信道估计 |
| 5.5 仿真分析结果 |
| 5.6 本章小节 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 附录一 缩略语 |
| 作者简历 |
（5）高速宽带移动通信系统中均衡方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 移动宽带背景介绍 |
| 1.2 信道均衡的研究历史和现状 |
| 1.2.1 盲均衡研究背景 |
| 1.2.2 盲均衡主要技术分类 |
| 1.3 本论文对移动宽带中存在问题的解决方案 |
| 1.3.1 多径衰落及其抵抗方法 |
| 1.3.2 ISI、载波间干扰(ICI)及其抑制方法 |
| 1.3.3 NBI及其消除方法 |
| 1.3.4 MUI及其去除方法 |
| 1.4 论文的研究内容和安排 |
| 1.4.1 主要工作 |
| 1.4.2 各章内容安排 |
| 第二章 无线信道与多径衰落 |
| 2.1 无线信道基本特征 |
| 2.2 多径衰落 |
| 2.2.1 频率选择性衰落 |
| 2.2.2 时间选择性衰落 |
| 2.2.3 空间选择性衰落 |
| 2.3 本章小结 |
| 第三章 多载波调制与多载波CDMA |
| 3.1 OFDM的基本原理 |
| 3.1.1 OFDM的调制与解调 |
| 3.1.2 保护间隔与CP |
| 3.1.3 OFDM技术的优缺点 |
| 3.2 CDMA的基本原理 |
| 3.2.1 CDMA技术简介 |
| 3.2.2 多载波CDMA方案简介 |
| 3.3 GMC-CDMA与多速率技术 |
| 3.3.1 GMC-CDMA介绍 |
| 3.3.2 多速率技术 |
| 3.4 本章小结 |
| 第四章 多载波系统均衡 |
| 4.1 OFDM系统模型 |
| 4.2 线性ZF接收机 |
| 4.3 WL-ZF接收机 |
| 4.3.1 WL接收机消除IBI |
| 4.3.2 WL接收机消除ICI |
| 4.3.3 利用最小方差(MV)及最小输出(MOE)准则抗干扰 |
| 4.4 基于子空间的WL盲信道辨识 |
| 4.5 MatLab仿真非盲均衡和盲信道辨识性能 |
| 4.5.1 非盲均衡性能 |
| 4.5.2 盲信道辨识性能 |
| 4.5.3 非盲和盲信道辨识下的均衡性能比较 |
| 4.6 一种特殊的多速率GMC-CDMA系统 |
| 4.6.1 特例系统介绍 |
| 4.6.2 特例系统的仿真 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 缩略语 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表论文 |
（6）短波通信中的信道与信噪比估计技术研究（论文提纲范文）
| 表目录 |
| 图目录 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 研究现状 |
| 1.2.1 信道估计研究现状 |
| 1.2.2 信噪比估计研究现状 |
| 1.3 本文主要工作 |
| 1.4 各章内容安排 |
| 第二章 短波信道模型 |
| 2.1 引言 |
| 2.2 短波电波传播特性 |
| 2.3 短波信道特征 |
| 2.4 短波信道模型 |
| 2.5 本章小结 |
| 第三章 短波块传输系统中的信道估计与均衡 |
| 3.1 引言 |
| 3.2 OFDM 系统中的信道估计与均衡 |
| 3.2.1 OFDM 系统基带模型 |
| 3.2.2 OFDM 系统中的信道估计算法 |
| 3.2.3 迭代的判决反馈信道估计算法 |
| 3.2.4 仿真实验与性能分析 |
| 3.3 SC-FDE 系统中的信道估计与均衡 |
| 3.3.1 SC-FDE 系统基带模型 |
| 3.3.2 SC-FDE 系统的帧结构 |
| 3.3.3 SC-FDE 系统中的信道估计算法 |
| 3.3.4 SC-FDE 系统中改进的信道估计算法 |
| 3.3.5 仿真实验与性能分析 |
| 3.4 两者性能比较 |
| 3.5 本章小结 |
| 第四章 短波突发通信中的盲信道辨识与盲均衡 |
| 4.1 引言 |
| 4.2 基于粒子滤波的盲信道辨识与盲均衡 |
| 4.2.1 系统模型 |
| 4.2.2 粒子滤波原理 |
| 4.2.3 基于粒子滤波的盲辨识与盲均衡算法 |
| 4.2.4 仿真实验与性能分析 |
| 4.3 粒子滤波在短波高速突发通信系统中的应用 |
| 4.3.1 系统模型 |
| 4.3.2 算法描述 |
| 4.3.3 算法步骤 |
| 4.3.4 粒子选择策略 |
| 4.3.5 仿真实验与性能分析 |
| 4.4 本章小结 |
| 第五章 信噪比估计算法研究 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.3 信噪比估计主要算法 |
| 5.3.1 基于最大似然的估计方法 |
| 5.3.2 基于谱分析的估计方法 |
| 5.3.3 基于统计量的估计方法 |
| 5.3.4 仿真实验与性能分析 |
| 5.4 基于子空间分解的盲信噪比估计算法 |
| 5.4.1 信号模型 |
| 5.4.2 算法原理 |
| 5.4.3 改进算法 |
| 5.4.4 仿真实验与性能分析 |
| 5.5 本章小结 |
| 结束语 |
| 参考文献 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
| 致谢 |
（7）车载自组织网络中的盲信道估计与均衡（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 车载自组网 |
| 1.3 无线通信系统中的信道估计与均衡 |
| 1.3.1 无线通信系统中信道估计研究现状 |
| 1.3.2 无线通信系统中盲信道估计与均衡 |
| 1.4 本文研究的意义和主要工作 |
| 1.5 本文的结构安排 |
| 第二章 盲均衡算法的数学基础 |
| 2.1 盲均衡的基本概念 |
| 2.2 盲均衡器结构 |
| 2.3 盲均衡基本算法 |
| 2.3.1 最小均方(LMS)算法 |
| 2.3.2 递归最小二乘算法（RLS） |
| 2.4 盲均衡的性能表征 |
| 2.5 本章小节 |
| 第三章 车载网络中基于互相关性的基本知识 |
| 3.1 若干基本概念 |
| 3.1.1 时分多址接入方式 |
| 3.1.2 自相关与互相关 |
| 3.1.3 m序列 |
| 3.2 城市环境下的车载自组织网络 |
| 3.2.1 车载自组织网络特点 |
| 3.2.2 车载自组织网络结构 |
| 3.2.3 车载自组织网络的应用 |
| 3.3 信号与系统模型 |
| 3.4 本章小节 |
| 第四章 V2V网络中盲信道估计和均衡 |
| 4.1 引言 |
| 4.2 系统框架结构 |
| 4.2.1 V2V 网络中模拟信号的数字传输 |
| 4.2.2 SISO 系统模型 |
| 4.3 盲信道辨识和盲均衡 |
| 4.3.1 盲信道辨识 |
| 4.3.2 盲均衡 |
| 4.4 仿真结果及讨论 |
| 4.5 本章小节 |
| 第五章 V2I网络中盲信道估计和均衡 |
| 5.1 引言 |
| 5.2 系统框架结构 |
| 5.2.1 V2I 网络中模拟信号的数字传输 |
| 5.2.2 SIMO 系统模型 |
| 5.3 盲信道辨识和盲均衡 |
| 5.3.1 盲信道辨识 |
| 5.3.2 盲均衡 |
| 5.4 仿真结果及讨论 |
| 5.5 本章小节 |
| 结束语 |
| 参考文献 |
| 致谢 |
| 附录 A |
| 攻读学位期间发表的学术论文目录 |
（8）MIMO-OFDM宽带无线通信系统信道估计技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的研究背景 |
| 1.1.1 移动通信系统的演进 |
| 1.1.2 MIMO-OFDM 技术简介 |
| 1.2 MIMO-OFDM 信道估计综述 |
| 1.2.1 盲信道估计 |
| 1.2.2 非盲信道估计 |
| 1.3 论文的结构安排 |
| 第2章 无线信道模型及OFDM 基础 |
| 2.1 引言 |
| 2.2 无线衰落信道 |
| 2.2.1 大尺度衰落效应 |
| 2.2.2 小尺度衰落效应 |
| 2.2.3 WSSUS 信道统计特性 |
| 2.2.4 信道模型 |
| 2.3 OFDM 系统模型 |
| 2.4 本章小节 |
| 第3章 基于时延子空间跟踪的 MIMO-OFDM 信道估计算法 |
| 3.1 引言 |
| 3.2 FDPM 子空间跟踪算法 |
| 3.2.1 子空间跟踪算法概述 |
| 3.2.2 子空间跟踪算法的分类 |
| 3.2.3 FDPM 算法 |
| 3.3 MIMO-OFDM 系统的导频设计 |
| 3.4 MIMO-OFDM 系统及信道模型 |
| 3.4.1 系统模型 |
| 3.4.2 信道模型 |
| 3.5 基于导频的信道估计 |
| 3.5.1 最小二乘信道估计 |
| 3.5.2 最优导频序列设计 |
| 3.6 基于子空间的信道估计方法 |
| 3.6.1 最大似然(ML)估计 |
| 3.6.2 子空间跟踪(ST)估计 |
| 3.6.3 子空间幅度跟踪(SAT)估计 |
| 3.7 仿真结果及讨论 |
| 3.8 本章小结 |
| 第4章 基于快速数据投影噪声子空间跟踪的MIMO-OFDM 系统盲信道估计 |
| 4.1 引言 |
| 4.2 子空间分解法分数间隔盲辨识 |
| 4.2.1 基于循环平稳统计量的信道辨识 |
| 4.2.2 子空间分解盲信道估计 |
| 4.2.3 滤波矩阵秩定理 |
| 4.2.4 盲辨识 |
| 4.2.5 正交条件公式的其他形式 |
| 4.2.6 估计信道系数 |
| 4.3 子空间分解MIMO-OFDM 盲信道估计 |
| 4.3.1 MIMO-OFDM 系统模型 |
| 4.3.2 Mt ≤Mr时的MIMO-OFDM 系统 |
| Mr时的MIMO-OFDM 系统'>4.3.3 Mt > Mr时的MIMO-OFDM 系统 |
| 4.4 基于FDPM 噪声子空间跟踪的MIMO-OFDM 盲信道估计 |
| 4.5 仿真结果及讨论 |
| 4.6 本章小节 |
| 第5章 时频双选择性快衰落信道中基于 Turbo 迭代的信道估计 |
| 5.1 引言 |
| 5.2 BEM 时变信道建模 |
| 5.2.1 DKL-BEM |
| 5.2.2 DPS-BEM |
| 5.2.3 复指数BEM [(C)CE-BEM] |
| 5.2.4 过采样CE-BEM [(O)CE-BEM] |
| 5.2.5 多项式BEM (P-BEM) |
| 5.2.6 BEM 建模性能比较 |
| 5.3 LMMSE 信道估计 |
| 5.3.1 基于BEM 的OFDM 系统模型 |
| 5.3.2 数据模型 |
| 5.3.3 LMMSE 信道估计 |
| 5.4 Turbo 均衡 |
| 5.5 OFDM 系统中基于Turbo 迭代的信道估计 |
| 5.5.1 系统模型 |
| 5.5.2 基于块的turbo MMSE 均衡 |
| 5.5.3 迭代信道估计 |
| 5.6 仿真结果及讨论 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文的主要工作 |
| 6.2 论文的创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 在学期间学术成果情况 |
| 指导教师及作者简介 |
| 致谢 |
（9）直接序列扩频信号的截获分析研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 本文通用符号 |
| 第一章 绪论 |
| 1.1 直扩信号截获分析技术的发展历史和现状 |
| 1.1.1 直扩信号传统的截获研究的发展历史和现状 |
| 1.1.2 直扩信号现代截获和分析研究发展历史和现状 |
| 1.2 本文研究对象和方法 |
| 1.3 本文研究的主要内容 |
| 1.4 论文主要创新点 |
| 第二章 伪码周期和信息码码宽估计 |
| 2.1 伪码周期和信息码码宽估计的特点 |
| 2.2 伪码周期和信息码码宽估计的文献综述 |
| 2.3 基于不变量检测器的伪码周期估计 |
| 2.3.1 短码直扩信号的不变量检测器 |
| 2.3.2 基于ALMPI 检测器的伪码周期估计 |
| 2.4 长码直扩信号的信息码码宽估计 |
| 2.4.1 信号模型 |
| 2.4.2 基于差分伪码解扩的信息码码宽估计 |
| 2.4.3 仿真实验 |
| 2.4.4 小结 |
| 2.5 总结 |
| 第三章 短码DS-SS 信号的估计 |
| 3.1 短码直扩信号估计综述 |
| 3.2 基于SIMO 盲信道辨识的直扩信号估计方法 |
| 3.2.1 多径信道下的短码直扩信号模型 |
| 3.2.2 用于FIR SIMO 盲信道辨识的子空间方法 |
| 3.2.3 定阶问题 |
| 3.2.4 信道矩阵的平衡方法 |
| 3.2.5 小结 |
| 3.3 估计单径短码直扩信号的特征分解方法 |
| 3.3.1 单径的简化模型 |
| 3.3.2 特征分解法 |
| 3.3.3 小结 |
| 3.4 CDMA 直扩信号的估计 |
| 3.4.1 FIR MIMO 信道模型和一般性估计方法 |
| 3.4.2 同步CDMA 信号的估计 |
| 3.4.3 异步CDMA 信号的估计 |
| 3.5 总结 |
| 第四章 长码直扩信号的估计 |
| 4.1 长码直扩信号估计的回顾 |
| 4.2 周期长码信号的估计方法 |
| 4.2.1 周期长码直扩信号的模型 |
| 4.2.2 估计多径周期长码信号的复指数基函数展开方法 |
| 4.2.3 单径周期长码信号的特征分解法 |
| 4.2.4 小结 |
| 4.3 非周期长码信号的估计 |
| 4.3.1 迭代low SNR UML 估计器 |
| 4.3.2 基于缺失数据模型的估计 |
| 4.3.3 中频非周期长码信号的估计 |
| 4.3.4 小结 |
| 4.4 总结 |
| 第五章 软扩频信号的估计 |
| 5.1 多进制正交扩频信号的盲解扩 |
| 5.1.1 信号模型 |
| 5.1.2 多进制正交扩频信号的可辨识条件 |
| 5.1.3 多进制正交扩频信号的盲同步 |
| 5.1.4 多进制正交扩频信号的扩频码估计 |
| 5.1.5 仿真实验 |
| 5.1.6 小结 |
| 5.2 CCSK 信号的扩频码估计 |
| 5.2.1 信号模型 |
| 5.2.2 扩频序列估计 |
| 5.2.3 仿真结果 |
| 5.2.4 小结 |
| 5.3 总结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 进一步的研究工作 |
| 致谢 |
| 参考文献 |
| 个人简历 |
| 攻博期间取得的研究成果 |
（10）OFDM系统的信道估计技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 面向未来无线通信的物理层关键技术 |
| 1.2.1 MIMO技术及其发展现状 |
| 1.2.2 OFDM发展历史及发展前景 |
| 1.3 OFDM系统的信道估计 |
| 1.3.1 信道估计的重要意义 |
| 1.3.2 OFDM系统信道估计研究现状 |
| 1.4 本文的主要工作 |
| 第2章 OFDM系统的基本特性 |
| 2.1 OFDM系统基本原理 |
| 2.1.1 OFDM系统的组成 |
| 2.1.2 OFDM系统的时间离散模型 |
| 2.1.3 OFDM信号的频谱特性 |
| 2.1.4 保护间隔 |
| 2.2 天线个数不同时的OFDM系统的信道模型 |
| 2.2.1 MIMO-OFDM系统 |
| 2.2.2 SISO-OFDM系统 |
| 2.2.3 SIMO-OFDM系统 |
| 2.3 本章小结 |
| 第3章 基于互相关迭代的SIMO-OFDM系统的信道估计 |
| 3.1 引言 |
| 3.2 CR算法和TSML算法 |
| 3.2.1 CR算法 |
| 3.2.2 TSML算法 |
| 3.2.3 算法仿真分析 |
| 3.3 多信道自适应盲辨识算法 |
| 3.3.1 信道模型 |
| 3.3.2 多信道LMS盲辨识算法 |
| 3.3.3 多信道牛顿算法 |
| 3.3.4 MCLMS的通用最优步长的设计 |
| 3.3.5 仿真分析 |
| 3.4 本章小结 |
| 第4章 基于子空间的OFDM系统的盲信道估计和半盲信道估计 |
| 4.1 引言 |
| 4.2 子空间算法简介 |
| 4.2.1 子空间算法的条件和步骤 |
| 4.2.2 仿真结果 |
| 4.3 基于正交迭代的子空间算法 |
| 4.3.1 正交迭代子空间跟踪 |
| 4.3.2 基于子空间的RLS自适应盲信道估计 |
| 4.3.3 基于子空间的LMS自适应盲信道估计 |
| 4.4 快速的ZP-OFDM系统中的盲信道估计算法 |
| 4.4.1 LMS-NEWTON算法 |
| 4.4.2 改进的LMS-NEWTON跟踪算法 |
| 4.4.3 仿真结果 |
| 4.5 基于降秩的正交迭代的盲信道估计算法 |
| 4.5.1 降秩的正交迭代的盲信道估计 |
| 4.5.2 另一种降秩噪声子空间正交迭代算法 |
| 4.5.3 仿真结果 |
| 4.6 MIMO-OFDM系统的降秩子空间半盲信道估计 |
| 4.6.1 发射天线不多于接收天线时的MIMO-OFDM系统 |
| 4.6.2 发射天线多于接收天线时的MIMO-OFDM系统 |
| 4.6.3 仿真结果 |
| 4.7 本章小结 |
| 第5章 基于子空间拟合的OFDM信道估计算法 |
| 5.1 引言 |
| 5.2 子空间拟合问题 |
| 5.2.1 信号子空间拟合 |
| 5.2.2 噪声子空间拟合 |
| 5.2.3 二者的统一 |
| 5.3 OFDM系统中基于信号子空间迭代拟合的盲信道估计 |
| 5.3.1 迭代的信号子空间拟合 |
| 5.3.2 迭代信号加权子空间拟合 |
| 5.3.3 仿真 |
| 5.4 基于共轭梯度的OFDM系统的信道估计方法 |
| 5.4.1 共轭梯度算法 |
| 5.4.2 共轭梯度法迭代估计信号子空间 |
| 5.4.3 基于共轭梯度的OFDM系统的盲信道估计算法 |
| 5.4.4 仿真 |
| 5.5 基于Krylov子空间的OFDM系统的信道估计方法 |
| 5.5.1 Krylov子空间 |
| 5.5.2 基于Krylov子空间的OFDM系统半盲信道估计算法 |
| 5.5.3 仿真分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
| 个人简历 |
四、若干种盲信道辨识与均衡算法的研究（论文参考文献）
- [1]基于信道相关性的半盲信道辨识算法[J]. 白曜铭,蒋建中,刘世刚,孙有铭. 数据采集与处理, 2016(05)
- [2]多天线系统中基于子空间的盲信道估计算法研究[D]. 赵玉婷. 西安电子科技大学, 2014(03)
- [3]确定性盲信道辨识算法研究[D]. 白曜铭. 解放军信息工程大学, 2014(07)
- [4]MIMO-OFDM系统接收中信道估计技术研究[D]. 戴锡平. 解放军信息工程大学, 2014(07)
- [5]高速宽带移动通信系统中均衡方法研究[D]. 赵建春. 南京邮电大学, 2012(07)
- [6]短波通信中的信道与信噪比估计技术研究[D]. 张金成. 解放军信息工程大学, 2011(07)
- [7]车载自组织网络中的盲信道估计与均衡[D]. 谢逢博. 南京邮电大学, 2011(04)
- [8]MIMO-OFDM宽带无线通信系统信道估计技术研究[D]. 王刚. 中国科学院研究生院（长春光学精密机械与物理研究所）, 2010(10)
- [9]直接序列扩频信号的截获分析研究[D]. 牟青. 电子科技大学, 2010(08)
- [10]OFDM系统的信道估计技术研究[D]. 于蕾. 哈尔滨工程大学, 2009(01)