| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 盲均衡算法的研究现状 | 第10-12页 |
| 1.2.2 基于人工神经网络的盲均衡算法的研究现状 | 第12-14页 |
| 1.3 论文的研究内容和研究目标 | 第14-17页 |
| 1.3.1 论文研究内容及研究目标 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15-17页 |
| 第二章 盲均衡、神经网络与集成学习理论基础 | 第17-25页 |
| 2.1 盲均衡技术 | 第17-19页 |
| 2.1.1 盲均衡的基本原理 | 第17页 |
| 2.1.2 Bussgang类盲均衡算法 | 第17-19页 |
| 2.2 神经网络理论 | 第19-22页 |
| 2.2.1 神经网络的发展 | 第19页 |
| 2.2.2 神经网络的结构及特征 | 第19-20页 |
| 2.2.3 神经网络的训练方法 | 第20-21页 |
| 2.2.4 基于神经网络的盲均衡算法 | 第21-22页 |
| 2.3 集成学习方法 | 第22-24页 |
| 2.3.1 集成学习Boosting方法 | 第23页 |
| 2.3.2 集成学习Bagging方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 神经网络盲均衡器的训练算法与结构改进 | 第25-41页 |
| 3.1 神经网络盲均衡器的训练算法及其优化算法分析 | 第25-32页 |
| 3.1.1 神经网络盲均衡器训练算法的分析 | 第25-29页 |
| 3.1.2 神经网络盲均衡器训练算法的优化算法分析 | 第29-32页 |
| 3.2 神经网络盲均衡器的训练算法改进 | 第32-34页 |
| 3.3 神经网络盲均衡器的结构分析 | 第34-35页 |
| 3.4 神经网络盲均衡器的结构改进 | 第35-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 递归神经网络盲均衡器设计与仿真 | 第41-49页 |
| 4.1 新型递归神经网络盲均衡器设计 | 第41-43页 |
| 4.2 递归神经网络盲均衡器的仿真实验 | 第43-47页 |
| 4.2.1 信道模拟仿真 | 第43-45页 |
| 4.2.2 基于集成学习的一般递归神经网络盲均衡器的仿真 | 第45页 |
| 4.2.3 基于改进梯度下降算法的递归神经网络盲均衡器的仿真 | 第45-46页 |
| 4.2.4 递归神经网络盲均衡器的仿真 | 第46-47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 递归神经网络盲均衡器电路设计与FPGA验证 | 第49-61页 |
| 5.1 递归神经网络盲均衡器电路设计 | 第49-54页 |
| 5.1.1 双曲正切激活函数电路设计方法 | 第49-51页 |
| 5.1.2 递归神经网络电路设计方法 | 第51-53页 |
| 5.1.3 基于集成学习的递归神经网络电路设计方法 | 第53-54页 |
| 5.2 递归神经网络盲均衡器的FPGA验证 | 第54-57页 |
| 5.3 递归神经网络盲均衡器的结果分析 | 第57-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69页 |
