| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题的来源、研究目的及意义 | 第8-9页 |
| ·课题的来源 | 第8页 |
| ·课题的研究目的和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·BP 神经网络的研究现状 | 第9-11页 |
| ·Doherty 功率放大器线性化技术研究现状 | 第11-12页 |
| ·功放建模技术发展现状 | 第12-13页 |
| ·本文主要内容 | 第13-15页 |
| 第二章 功率放大器的非线性研究 | 第15-24页 |
| ·功率放大器的非线性的产生及对通信系统的影响 | 第15页 |
| ·功率放大器的非线性特性介绍 | 第15-17页 |
| ·功率放大器的非线性行为模型 | 第17-22页 |
| ·无记忆类非线性行为模型 | 第17-19页 |
| ·记忆类非线性行为模型 | 第19-22页 |
| ·神经网络模型 | 第22-24页 |
| 第三章 BP 神经网络及 BP 算法 | 第24-43页 |
| ·BP 神经网络理论基础 | 第24-27页 |
| ·神经元模型与神经网络模型 | 第24-26页 |
| ·BP 神经网络结构 | 第26-27页 |
| ·BP 神经网络模型的建立 | 第27-35页 |
| ·隐层层数及隐层神经元数的确定 | 第27-30页 |
| ·输入输出数据归一化 | 第30-32页 |
| ·激活函数的选取 | 第32-35页 |
| ·传统 BP 算法与改进的 BP 算法 | 第35-43页 |
| ·传统 BP 算法基本过程 | 第35-38页 |
| ·自适应学习率的改进 BP 算法 | 第38-41页 |
| ·附加动量项的改进 BP 算法 | 第41-43页 |
| 第四章 基于几种改进的 BP 神经网路方法对功放数据的拟合与分析 | 第43-49页 |
| ·基于自适应学习率的改进 BP 神经网络方法对功放数据的拟合与分析 | 第43-44页 |
| ·基于附加动量项的改进 BP 神经网络方法对功放数据的拟合与分析 | 第44-45页 |
| ·基于自适应学习率与附加动量项相结合的改进 BP 神经网络方法对功放数据的拟合与分析 | 第45-49页 |
| ·改进方法的介绍与参数选择 | 第45-47页 |
| ·基于自适应学习率与附加动量项相结合的改进 BP 神经网络对功放数据的拟合与分析 | 第47-49页 |
| 第五章 基于改进 BP 神经网络的功率放大器设计 | 第49-56页 |
| ·自适应学习率附加动量项相结合的改进BP算法与传统BP算法的训练结果对比分析 | 第49-51页 |
| ·自适应学习率与附加动量项相结合的改进BP算法与传统BP算法的测试结果对比分析 | 第51-53页 |
| ·自适应学习率附加动量项相结合的改进BP算法与传统BP算法的误差对比分析 | 第53-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·论文总结 | 第56页 |
| ·本课题需进一步研究的内容 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录A 图 5-3（a）所对应的训练数据 | 第62-63页 |
| 附录B 图 5-3（b）所对应的测试数据 | 第63-64页 |
| 附录C 图 5-4（a）所对应的训练数据 | 第64-65页 |
| 附录D 图 5-4（b）所对应的测试数据 | 第65-66页 |
| 个人简历 在读期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
