| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专业术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 盲均衡与盲检测技术概述 | 第9-11页 |
| 1.1.1 盲均衡与盲检测技术简介 | 第9-10页 |
| 1.1.2 盲均衡与盲检测算法研究现状 | 第10-11页 |
| 1.2 混沌理论概述 | 第11-14页 |
| 1.2.1 混沌的基本概念 | 第11页 |
| 1.2.2 混沌运动的基本特点 | 第11-14页 |
| 1.3 人工神经网络 | 第14-17页 |
| 1.3.1 人工神经网络的概述 | 第14页 |
| 1.3.2 人工神经网络的分类 | 第14-16页 |
| 1.3.3 人工神经网络的应用 | 第16-17页 |
| 1.3.4 基于人工神经网络的盲均衡与盲检测算法 | 第17页 |
| 1.4 本文的工作 | 第17-18页 |
| 1.5 本文的结构 | 第18-20页 |
| 第二章 改进的混沌Hopfield神经网络的盲检测算法 | 第20-30页 |
| 2.1 Hopfield神经网络概述 | 第20-23页 |
| 2.1.1 Hopfield神经网络的基本概念 | 第20-23页 |
| 2.1.2 Hopfield神经网络的研究现状 | 第23页 |
| 2.2 盲检测问题的建立 | 第23-24页 |
| 2.3 改进的混沌Hopfield盲检测算法 | 第24-26页 |
| 2.3.1 改进的混沌Hopfield神经网络结构 | 第25页 |
| 2.3.2 混沌初始化 | 第25页 |
| 2.3.3 混沌扰动 | 第25-26页 |
| 2.3.4 算法流程图 | 第26页 |
| 2.4 仿真实验 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 改进的复合正弦混沌神经网络的盲检测新算法 | 第30-45页 |
| 3.1 基于ICSCNN的盲检测新算法 | 第30-35页 |
| 3.1.1 改进的复合正弦混沌神经网络的模型构建 | 第31-32页 |
| 3.1.2 改进的复合正弦混沌神经网络的动力学特性分析 | 第32-35页 |
| 3.2 改进的复合正弦混沌神经网络能量函数的构建及稳定性证明 | 第35-38页 |
| 3.2.1 在同步更新模式下，ICSCNN的稳定性证明 | 第35-37页 |
| 3.2.2 在异步更新模式下，ICSCNN的稳定性证明 | 第37-38页 |
| 3.3 仿真实验 | 第38-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 双Sigmoid小波混沌神经网络盲检测算法 | 第45-57页 |
| 4.1 基于双Sigmoid小波混沌神经网络的盲检测算法 | 第45-48页 |
| 4.1.1 DSWCNN动态方程 | 第46-47页 |
| 4.1.2 TCNN和DSWCNN状态演化图对比 | 第47-48页 |
| 4.1.3 DSWCNN 模型构建 | 第48页 |
| 4.2 双Sigmoid小波混沌神经网络稳定性证明 | 第48-51页 |
| 4.2.1 在同步更新模式下，DSWCNN的稳定性证明 | 第49-50页 |
| 4.2.2 在异步更新模式下，DSWCNN的稳定性证明 | 第50-51页 |
| 4.3 仿真实验 | 第51-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 附录2 攻读硕士学位期间申请的专利 | 第63-64页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第64-65页 |
| 致谢 | 第65页 |
