通信中的智能信号处理[按需印刷]

.3．3 自适应支撑矢量机多用户检测
3．4 小结与讨论
参考文献
第4章 递归网络盲自适应多用户检测
4．1 引言
4．2 以码片速率采样的异步传输信号模型
4．3 递归神经网络盲自适应多用户检测
4．4 性能分析
4．5 仿真实验
4．6 基于grnn的自适应mmse多用户检测器
4．7 本章小结
参考文献
第5章 独立分量分析算法在cdma中的应用
5．1 引言
5．2 盲信号分离
5．3 独立分量分析的基本算法
5．4 基于ica算法的多用户检测
5．5 基于独立分量分析的cdma系统信道估计方法
参考文献
第6章 基于最大特征向量学习机的盲波束形成
6．1 引言
6．2 极大特征向量算法
6．3 求解广义特征值问题的神经网络
6．4 cdma的阵列信号模型
6．8 小结
参考文献
第7章 非线性信道的volterra级数模型及其辨识算法
7．1 mimo非线性系统的volterra级数模型
7．2 mimo非线性系统辨识
7．3 仿真研究
7．4 结论
参考文献
第8章 非线性系统的均衡器设计
8．1 引言
8．2 siso非线性系统的均衡器设计
8．3 mimo非线性系统的均衡器设计
8．4 仿真研究
8．5 结论
参考文献..
第9章 基于多子波神经网络的多用户检测器与基于正交码的多子波cdma
9．1 基于多子波神经网络模型的多用户检测
9．2 基于正交码的多子波cdma
参考文献
第10章 多子波cdma论和多子波cdma
10．1 多子波cdma理论与框架
10．2 基于haar子波低通滤波器的多子波cdma
参考文献
第11章 基于子波包变换的cdma和子波包优化
11．1 引言
11．2 单子波包的基本概念
11．3 多子波包的基本概念及其性质
11．4 最优基的选择
11．5 双正交多子波
11．6 双正交多子波包的基本概念及其性质
11．7 wpt-cdma系统模型
11．8 基于多子波包变换的cdma
参考文献
第12章 基于免疫算法的多用户检测
12．1 基于遗传算法的多用户检测
12．2 免疫算法
12．3 基于免疫算法的多用户检测
参考文献
第13章 免疫策略rbf网络多用户检测
13．1 引言
13．2 空时二维cdma系统
13．3 基于免疫策略的rbf网络
13．4 免疫神经网络的学习算法
13．5 基于免疫rbf网络的cdma多用户检测判决器
13．6 仿真结果与分析
13．7 结论与讨论
参考文献
第14章 免疫克隆算法
14．1 用于cdma多用户检测的免疫克隆算法
14．2 基于免疫克隆算法的多用户检测器的仿真结果与分析
14．3 小结
参考文献
第15章 量子进化算法在cdma中的应用
15．1 量子计算原理
15．2 量子计算智能的几种模型
15．3 量子进化算法的提出
15．4 量子进化算法中用到的一些基本概念
15．5 量子进化算法
15．6 量子进化算法用于最佳多用户检测
15．7 结论和讨论
参考文献
第16章 智能信息处理技术在mimo通信系统中的应用
16．1 引言
16．2 mimo系统基本原理
16．3 mimo技术的研究进展
参考文献
附录a 多用户检测基本原理
附录b 命题8．1的证明
附录c 引理8．1～引理8．3的证明
附录d 定理8．1～定理8．3的证明
附录e 式(8．6)与式(8．7)的推导过程
附录f 定理9．3的证明...
附录g 定理11．1～定理11．5的证明
附录h 定理12．1与定理12．2的证明