| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| 1．1 自适应信号处理简介 | 第10-14页 |
| 1．1．1 自适应系统的定义与性质 | 第10-11页 |
| 1．1．2 自适应信号处理的应用 | 第11-13页 |
| 1．1．3 自适应算法简介 | 第13-14页 |
| 1．2 自适应神经网络简介 | 第14-18页 |
| 1．3 本文的主要内容 | 第18-19页 |
| 第二章 一种复值赫布型学习算法 | 第19-29页 |
| 2．1 简介 | 第19-20页 |
| 2．2 TLS准则简介 | 第20-22页 |
| 2．3 神经元模型 | 第22-23页 |
| 2．4 算法推导 | 第23-26页 |
| 2．5 在复值自适应滤波中的应用 | 第26-28页 |
| 2．5．1 在复值自适应IIR滤波中的应用方法 | 第26-27页 |
| 2．5．2 仿真结果 | 第27-28页 |
| 2．6 本章小结 | 第28-29页 |
| 第三章 基于一种杂交学习算法的自适应复信道均衡 | 第29-37页 |
| 3．1 信道均衡简介 | 第29-30页 |
| 3．2 前馈神经网络训练方法概述 | 第30-31页 |
| 3．3 复值神经网络的杂交学习算法 | 第31-34页 |
| 3．3．1 前馈神经网络的分解 | 第32-33页 |
| 3．3．2 复值杂交学习算法 | 第33-34页 |
| 3．4 该算法在自适应复信倒均衡中的应用 | 第34-36页 |
| 3．5 本章小结 | 第36-37页 |
| 第四章 自适应非线性系统辩识的神经网络方法 | 第37-45页 |
| 4．1 系统辩识简介 | 第37-38页 |
| 4．2 一种快速多层神经网络训练算法 | 第38-43页 |
| 4．2．1 EDS算法简介 | 第39-41页 |
| 4．2．2 EDS算法用于训练Adaline | 第41-42页 |
| 4．2．3 基于EWLLS和EDS的多层神经网络训练方法 | 第42-43页 |
| 4．3 该方法在系统辩识中的应用 | 第43-44页 |
| 4．4 本章小结 | 第44-45页 |
| 第五章 RF功放自适应预失真线性化的神经网络方法 | 第45-52页 |
| 5．1 RF功放线性化概述 | 第45-46页 |
| 5．2 复值自适应预失真线性化器 | 第46-47页 |
| 5．3 复值递归神经网络及其训练算法 | 第47-48页 |
| 5．4 基于RNN的自适应预失真器 | 第48-50页 |
| 5．5 仿真结果 | 第50-51页 |
| 5．6 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 附录： 论文和科研工作情况 | 第60-61页 |