| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 盲均衡和盲检测技术概述 | 第10-12页 |
| 1.1.1 盲均衡和盲检测技术简介 | 第10-11页 |
| 1.1.2 盲均衡和盲检测算法研究现状 | 第11-12页 |
| 1.2 基于人工神经网络盲均衡与盲检测算法 | 第12-14页 |
| 1.2.1 人工神经网络的概述 | 第12-13页 |
| 1.2.2 人工神经网络的发展 | 第13页 |
| 1.2.3 人工神经网络的分类 | 第13-14页 |
| 1.2.4 人工神经网络的应用 | 第14页 |
| 1.3 基于人工神经网络盲算法的研究现状 | 第14-16页 |
| 1.4 本文的工作 | 第16页 |
| 1.5 本文的结构 | 第16-18页 |
| 第二章 基于 Hopfield 神经网络的盲检测算法 | 第18-31页 |
| 2.1 Hopfield 神经网络概述 | 第18-21页 |
| 2.2 Hopfield 神经网络盲检测算法的构建及稳定性分析 | 第21-24页 |
| 2.2.1 Hopfield 神经网络的构建 | 第21-22页 |
| 2.2.2 Hopfield 神经网络的稳定性分析 | 第22-23页 |
| 2.2.3 盲检测优化问题的建立 | 第23-24页 |
| 2.4 基于双 Sigmoid Hopfield 神经网络的盲检测系统 | 第24-30页 |
| 2.4.1 双 Sigmoid Hopfield 神经网络的构建 | 第24-25页 |
| 2.4.2 激活函数的选择和网络稳定性分析 | 第25-26页 |
| 2.4.3 基于 DSHNN 盲检测算法的神经网络权阵配置 | 第26页 |
| 2.4.4 仿真实验 | 第26-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于正反馈 Hopfield 神经网络的盲检测算法 | 第31-42页 |
| 3.1 正反馈 Hopfield 神经网络的构建 | 第31-32页 |
| 3.2 正反馈 Hopfield 神经网络能量函数的构建及其稳定性证明 | 第32-35页 |
| 3.2.1 在异步更新模式下，正反馈 Hopfield 神经网络的稳定性证明 | 第32-34页 |
| 3.2.2 在同步更新模式下，正反馈 Hopfield 神经网络的稳定性证明 | 第34-35页 |
| 3.3 基于 PFHNN 盲检测算法的神经网络权阵配置 | 第35-36页 |
| 3.4 仿真实验 | 第36-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于双 Sigmoid 混沌神经网络的盲检测算法 | 第42-55页 |
| 4.1 新的基于混沌神经网络的盲检测算法及改进 | 第42-44页 |
| 4.1.1 混沌神经网络的构建 | 第42-43页 |
| 4.1.2 双 Sigmoid 混沌神经网络的构建 | 第43-44页 |
| 4.2 TCHNN 及 DS-TCHNN 能量函数的构建和稳定性证明 | 第44-46页 |
| 4.2.1 TCHNN 能量函数的构建 | 第44页 |
| 4.2.2 DS-TCHNN 能量函数的构建和稳定性证明 | 第44-46页 |
| 4.3 基于 TCHNN 和 DS-TCHNN 盲检测算法的神经网络权阵配置 | 第46-47页 |
| 4.4 仿真实验 | 第47-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-58页 |
| 5.1 本文总结 | 第55-56页 |
| 5.2 研究展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 附录 2 攻读硕士学位期间申请的专利 | 第62-63页 |
| 附录 3 攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |
