| 第一章 绪论 | 第1-15页 |
| ·研究前馈神经网络盲均衡算法的意义 | 第9-11页 |
| ·基于前馈神经网络盲均衡算法的研究进展 | 第11-14页 |
| ·论文主要工作 | 第14-15页 |
| 第二章 基于前馈神经网络盲均衡的基本概念 | 第15-25页 |
| ·前馈神经网络的基本概念 | 第15-19页 |
| ·前馈神经网络及其模型 | 第15-16页 |
| ·反向传播算法及BP神经网络 | 第16-19页 |
| ·基于多层前馈神经网络盲均衡算法的基本原理 | 第19-25页 |
| ·盲均衡算法的原理 | 第19-21页 |
| ·基于传统代价函数的前馈神经网络盲均衡 | 第21-25页 |
| 第三章 基于动量项BP神经网络的盲均衡算法 | 第25-39页 |
| ·标准BP神经网络盲均衡算法 | 第26-30页 |
| ·CMA算法的标准BP形式(SDBP-CMA)及其优点 | 第26-29页 |
| ·BP算法的缺点 | 第29-30页 |
| ·动量项BP神经网络盲均衡算法 | 第30-36页 |
| ·BP算法的启发式改进 | 第30-31页 |
| ·CMA算法的动量项BP形式(MBP-CMA) | 第31-33页 |
| ·计算机仿真 | 第33-36页 |
| ·算法跟踪信道突变、抗干扰性能仿真及评价 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 改进动量项BP神经网络盲均衡算法 | 第39-58页 |
| ·变动量项BP盲均衡算法 | 第39-49页 |
| ·动量因子对算法性能的影响 | 第39-43页 |
| ·CMA算法的变动量因子形式 | 第43-44页 |
| ·计算机仿真 | 第44-47页 |
| ·算法跟踪信道突变、抗干扰性能仿真及评价 | 第47-49页 |
| ·变学习速率动量项BP盲均衡算法 | 第49-57页 |
| ·学习速率因子对算法性能的影响 | 第49-51页 |
| ·变学习速率动量项盲均衡CMA算法形式 | 第51-52页 |
| ·计算机仿真 | 第52-55页 |
| ·算法跟踪信道突变、抗干扰性能仿真及评价 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 改进代价函数动量项BP盲均衡算法 | 第58-67页 |
| ·改进代价函数的理论依据及算法形式 | 第58-60页 |
| ·传统CMA代价函数缺陷及改进代价函数形式 | 第58-59页 |
| ·基于改进代价函数的BP盲均衡算法 | 第59-60页 |
| ·改进代价函数动量项BP盲均衡算法 | 第60-64页 |
| ·算法形式 | 第60-62页 |
| ·计算机仿真 | 第62-64页 |
| ·算法跟踪信道突变、抗干扰性能仿真及评价 | 第64-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |