文摘
英文文摘
声明
第一章绪论
1.1研究目的和意义
1.2多用户检测的研究和发展趋势
1.3本文的主要工作
第二章核方法的基本原理
2.1统计学习理论
2.1.1 VC维
2.1.2机器学习模型
2.1.3经验风险最小化原则
2.1.4学习机器推广能力的界
2.1.5结构风险最小化原则
2.1.6学习机器的实现方法
2.2核方法的原理
2.2.1机器学习算法的具体核化过程
2.2.2核方法和传统模式识别方法的主要区别
2.3支持向量机
2.2.1线性支持向量机
2.2.2非线性支持向量机
2.2.3支持向量机的应用
2.4本章小结
第三章多用户检测技术
3.1同步和异步CDMA模型
3.1.1同步CDMA模型
3.1.2异步CDMA模型
3.2线性多用户检测
3.2.1解相关多用户检测器
3.2.2最小均方误差多用户检测器
3.2.3线性多用户检测器的优缺点
3.3非线性多用户检测器
3.3.1干扰消除型检测器
3.3.2解相关判决反馈检测器
3.3.3非线性多用户检测器的优缺点
3.4多用户检测器的性能度量
3.5本章小结
第四章多径衰落信道下支持向量机的多用户检测
4.1引言
4.2系统模型
4.3基于支持向量机的多用户检测器
4.4一种快速在线支持向量机的多用户检测器
4.4.1快速在线支持向量分类(FOSVC)算法的基本思想
4.4.2算法的收敛性
4.4.3数据仿真及结果
4.4.4 FOSVC算法的收敛速度
4.4.5 FOSVC用于多用户检测的性能
4.5本章小结
第五章总结与展望
致谢
参考文献
攻读学位期间发表的论文