| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专业术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 盲均衡与盲检测原理 | 第10-11页 |
| 1.2 人工神经网络概述 | 第11-13页 |
| 1.2.1 人工神经网络简介 | 第11页 |
| 1.2.2 人工神经网络研究与发展 | 第11-12页 |
| 1.2.3 人工神经网络的分类 | 第12页 |
| 1.2.4 人工神经网络的应用 | 第12-13页 |
| 1.3 基于人工神经网络盲均衡算法的研究现状 | 第13-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 1.5 本文结构 | 第16-17页 |
| 第二章 可变步长Hopfield神经网络盲检测算法 | 第17-29页 |
| 2.1 Hopfield神经网络概述 | 第17-20页 |
| 2.1.1 HNN的基本概念 | 第17-19页 |
| 2.1.2 HNN的研究现状 | 第19-20页 |
| 2.2 盲检测问题的建立 | 第20-21页 |
| 2.3 VSHNN盲检测新算法 | 第21-25页 |
| 2.3.1 VSHNN算法激活函数的设计 | 第21-23页 |
| 2.3.2 VSHNN算法可变步长的设计 | 第23-24页 |
| 2.3.3 VSHNN稳定性证明 | 第24-25页 |
| 2.4 仿真实验与分析 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 带扰动的混沌神经网络盲检测新算法 | 第29-50页 |
| 3.1 混沌理论概述 | 第30-37页 |
| 3.1.1 混沌的概念与特点 | 第30-31页 |
| 3.1.2 混沌映射的种类 | 第31-36页 |
| 3.1.3 混沌神经网络 | 第36-37页 |
| 3.2 基于DS-DCNN的盲检测新算法 | 第37-40页 |
| 3.2.1 DS-DCNN的模型构建 | 第37-38页 |
| 3.2.2 DS-DCNN的动力学特性分析 | 第38-40页 |
| 3.3 DS-DCNN能量函数的构建及稳定性证明 | 第40-43页 |
| 3.3.1 同步更新模式下，DS-DCNN的稳定性证明 | 第40-42页 |
| 3.3.2 异步更新模式下，DS-DCNN的稳定性证明 | 第42-43页 |
| 3.4 仿真实验与分析 | 第43-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 双Sigmoid非线性自反馈混沌神经网络盲检测算法 | 第50-65页 |
| 4.1 基于DS-NSCNN的盲检测新算法 | 第50-53页 |
| 4.1.1 DS-NSCNN的模型构建 | 第51-52页 |
| 4.1.2 DS-NSCNN的动力学特性分析 | 第52-53页 |
| 4.2 DS-NSCNN能量函数的构建及稳定性证明 | 第53-58页 |
| 4.2.1 同步更新模式下，DS-NSCNN的稳定性证明 | 第54-56页 |
| 4.2.2 异步更新模式下，DS-NSCNN的稳定性证明 | 第56-58页 |
| 4.3 仿真实验与分析 | 第58-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 本文总结 | 第65-66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第71-73页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |
