| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·衰落无线信道的传播特征 | 第11-13页 |
| ·无线信道的多径衰落 | 第12页 |
| ·无线信道的时变性以及多普勒频移 | 第12-13页 |
| ·MATLAB/Simulink简介 | 第13-14页 |
| ·本文研究工作 | 第14-15页 |
| 第2章 ANFIS综述 | 第15-33页 |
| ·软计算的组成与传统人工智能 | 第15-19页 |
| ·从传统智能到计算智能 | 第16-18页 |
| ·神经元网络 | 第18页 |
| ·模糊集合理论 | 第18页 |
| ·进化计算 | 第18-19页 |
| ·神经－模糊和软计算的特性 | 第19-20页 |
| ·自适应神经模糊逻辑推理系统（ANFIS） | 第20-28页 |
| ·神经模糊逻辑推理系统结构 | 第21-25页 |
| ·Takagi-Sugeno型与Mamdani型模糊推理系统 | 第25-27页 |
| ·ANFIS系统结构 | 第27-28页 |
| ·MALTAB辅助ANFIS设计 | 第28-31页 |
| ·基于ANFIS的模型学习和推导 | 第28-29页 |
| ·FIS结构和参数调整 | 第29页 |
| ·训练数据及结果模型的有效性 | 第29-30页 |
| ·用测试和校验数据组检验结果模型 | 第30-31页 |
| ·MATLAB自适应神经模糊逻辑工具的使用限制 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第3章 ANFIS系统设计 | 第33-49页 |
| ·引言 | 第33页 |
| ·基于减法聚类原理的ANFIS系统设计 | 第33-37页 |
| ·基于最小二乘及反向传播原理的ANFIS系统设计 | 第37-47页 |
| ·最小二乘原理简述 | 第37-38页 |
| ·反向传播算法简述 | 第38-40页 |
| ·ANFIS系统原理及设计过程 | 第40-43页 |
| ·采用图形界面工具检验ANFIS系统 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 基于ANFIS的信道估计器设计 | 第49-63页 |
| ·信道估计方法 | 第49-50页 |
| ·两种典型的自适应信道估计算法 | 第50-52页 |
| ·最小均方自适应信道估计算法 | 第50-51页 |
| ·卡尔曼自适应信道估计算法 | 第51-52页 |
| ·采用ANFIS对高斯白噪声信道的估计 | 第52-56页 |
| ·采用ANFIS设计复杂多径信道估计器 | 第56-60页 |
| ·采用校验数据建立ANFIS系统 | 第56-57页 |
| ·改善的ANFIS信道估计器 | 第57-60页 |
| ·本章小节 | 第60-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士期间发表和递交的学术论文 | 第69-70页 |
| 致谢 | 第70页 |