首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于改进幅相型离散多电平复值神经网络的MPSK信号盲检测

摘要第4-5页
Abstract第5-6页
专用术语注释表第8-10页
第一章 绪论第10-19页
    1.1 神经网络概述第10-15页
        1.1.1 人工神经网络研究现状第11-13页
        1.1.2 Hopfield神经网络研究现状第13-14页
        1.1.3 混沌神经网络研究现状第14-15页
    1.2 盲均衡与盲检测技术概述第15-17页
        1.2.1 盲均衡与盲检测技术原理第15-16页
        1.2.2 盲检测算法的发展现状第16-17页
    1.3 本文的主要工作第17-18页
    1.4 本文结构第18-19页
第二章 带扰动的幅相型离散HNN的MPSK盲检测第19-37页
    2.1 Hopfield神经网络介绍第19-23页
        2.1.1 Hopfield神经网络第19-21页
        2.1.2 幅相型离散多电平复数Hopfield神经网络第21-23页
    2.2 盲检测问题建立第23-24页
    2.3 带扰动的幅相型离散Hopfield神经网络第24-29页
        2.3.1 带扰动的幅相型离散Hopfield神经网络的构建第24-26页
        2.3.2 带扰动的幅相型离散Hopfield神经网络稳定性的证明第26-29页
    2.4 仿真实验与分析第29-36页
    2.5 本章小结第36-37页
第三章 基于幅值相位型离散TCNN的MPSK盲检测第37-54页
    3.1 暂态混沌神经网络概述第37-38页
    3.2 基于CTCNN_APHM的MPSK信号盲检测新算法第38-40页
        3.2.1 幅相型离散多电平复值混沌神经网络模型构建第38-40页
        3.2.2 权值矩阵配置第40页
    3.3 CTCNN_APHM能量函数的构建和稳定性证明第40-44页
        3.3.1 异步更新模式下CTCNN_APHM的稳定性证明第41-43页
        3.3.2 同步更新模式下CTCNN_APHM的稳定性证明第43-44页
    3.4 仿真实验与分析第44-53页
    3.5 本章小结第53-54页
第四章 CTCNN_APHM算法模拟退火策略研究第54-64页
    4.1 模拟退火介绍第54-55页
    4.2 改进退火策略的CTCNN_APHM算法第55-57页
    4.3 仿真实验与分析第57-63页
    4.4 本章小结第63-64页
第五章 总结与展望第64-66页
    5.1 本文总结第64-65页
    5.2 研究展望第65-66页
参考文献第66-69页
附录1 攻读硕士学位期间撰写的论文第69-70页
附录2 攻读硕士学位期间参加的科研项目第70-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:基于深度学习的超市商品识别方法
下一篇:基于深度多特征迁移网络的高光谱图像分类