基于神经网络的无线信道的辨识与预测
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 概论 | 第7-13页 |
| ·课题背景--无线通信技术的发展 | 第7-9页 |
| ·无线通信技术背景下的课题意义 | 第9-12页 |
| ·本论文的主要工作、组织及内容安排 | 第12-13页 |
| 第二章 无线通信技术及无线信道 | 第13-29页 |
| ·无线通信技术的重大改革 | 第13-14页 |
| ·通信信号处理的主要研究领域 | 第14-18页 |
| ·无线通信信道 | 第18-24页 |
| ·多径传输信道的冲激响应模型 | 第18-20页 |
| ·多径衰落信道的动态特性 | 第20-22页 |
| ·选择性衰落 | 第22-23页 |
| ·色散时变信道 | 第23-24页 |
| ·时变信道的计算机仿真 | 第24-28页 |
| ·无线信道仿真的两类方法 | 第24-25页 |
| ·无线信道仿真的谐波分解算法 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 神经网络模型及学习算法的分析 | 第29-42页 |
| ·引言 | 第29-31页 |
| ·生物神经元模型 | 第31-32页 |
| ·大脑的生物模型 | 第31-32页 |
| ·大脑的活动模型及与传统计算机的区别 | 第32页 |
| ·人工神经元模型 | 第32-34页 |
| ·人工神经网络模型 | 第34-36页 |
| ·不含反馈的前向网络 | 第35页 |
| ·从输出层到输入层有反馈的前向网络 | 第35页 |
| ·只有同层内神经元有相互作用的前向网络 | 第35页 |
| ·相互结合型网络 | 第35-36页 |
| ·神经网络的学习算法 | 第36-39页 |
| ·仿真实验 | 第39-41页 |
| ·结论 | 第41-42页 |
| 第四章 线性时变信道的辨识及预测 | 第42-55页 |
| ·一类线性模型--ARMA模型 | 第42-47页 |
| ·利用神经网络确定ARMA模型的结构 | 第47-51页 |
| ·利用SACF和SPACF确定模型的结构 | 第48-49页 |
| ·基本思想 | 第49-50页 |
| ·建立网络 | 第50页 |
| ·训练网络 | 第50-51页 |
| ·仿真实验 | 第51-54页 |
| ·结论 | 第54-55页 |
| 第五章 基于神经网络的非线性信道的辨识 | 第55-65页 |
| ·非线性模型 | 第55-57页 |
| ·实时循环神经网络(Real-time RNN) | 第57-62页 |
| ·实时的暂时有指导的学习算法 | 第58-62页 |
| ·算法思考 | 第62页 |
| ·仿真实验 | 第62-63页 |
| ·结论 | 第63-65页 |
| 第六章 非线性信道预测 | 第65-72页 |
| ·基于神经网络的非线性预测综述 | 第65-67页 |
| ·基于神经网络的非线性系统多步预测 | 第65-66页 |
| ·基于神经网络的非线性系统多步预测的设计思想 | 第66-67页 |
| ·基于回归神经网络的信号预测模型 | 第67-70页 |
| ·非线性预测的FRNN模型结构 | 第67-69页 |
| ·非线性预测的FRNN模型在通信信号处理中的讨论 | 第69-70页 |
| ·仿真实验 | 第70-71页 |
| ·结论 | 第71-72页 |
| 结束语 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
