| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-19页 |
| ·DS／SS信号 | 第13-15页 |
| ·PN序列 | 第15-16页 |
| ·人工神经网络概述 | 第16页 |
| ·发展简史和研究现状 | 第16-17页 |
| ·主要工作 | 第17-19页 |
| 第二章 使用特征分析法估计DS／SS信号中PN码序列 | 第19-33页 |
| ·概述 | 第19页 |
| ·特征分析法的理论分析 | 第19-23页 |
| ·数学模型 | 第19-20页 |
| ·算法分析 | 第20-23页 |
| ·改进的特征分析法 | 第23-27页 |
| ·宽窗口特征分析法 | 第23-25页 |
| ·盲同步特征分析法 | 第25-27页 |
| ·仿真结果 | 第27-33页 |
| 第三章 利用PCA神经网络估计PN码序列 | 第33-53页 |
| ·概述 | 第33-34页 |
| ·基于Hebb算法的神经网络结构 | 第34-36页 |
| ·Hebb算法的标量表示形式 | 第34-35页 |
| ·Hebb算法的向量表示形式 | 第35-36页 |
| ·Hebb算法的收敛性分析 | 第36-41页 |
| ·渐进稳定性原理 | 第36-37页 |
| ·Hebb算法的收敛性分析 | 第37-41页 |
| ·基于广义Hebb算法的一般性主元分析网络 | 第41-43页 |
| ·其余的主元分析神经网络算法简介 | 第43-47页 |
| ·APEX算法简介 | 第43-45页 |
| ·广义PCA算法及其特列 | 第45-47页 |
| ·仿真结果 | 第47-52页 |
| ·小结 | 第52-53页 |
| 第四章 利用误差反向传播算法的神经网络估计PN码序列 | 第53-67页 |
| ·使用误差反向传播算法的神经网络分析 | 第53-57页 |
| ·矩阵的特征值分解 | 第53-54页 |
| ·使用误差反向传播算法的神经网络 | 第54-57页 |
| ·使用误差反向传播算法的最大特征值问题分析 | 第57-58页 |
| ·算法的步长参数分析及改进 | 第58-60页 |
| ·一种变步长的算法描述 | 第60-61页 |
| ·仿真结果 | 第61-66页 |
| ·小结 | 第66-67页 |
| 第五章 使用基于NPCA算法的神经网络估计PN码序列 | 第67-79页 |
| ·非线性广义PCA算法分析 | 第68-72页 |
| ·输入方差最大化的NPCA算法 | 第69-71页 |
| ·均方误差最小化的NPCA算法 | 第71-72页 |
| ·使用RBF神经网络的NPCA算法 | 第72-75页 |
| ·仿真结果 | 第75-78页 |
| ·小结 | 第78-79页 |
| 第六章 总结 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 索引 | 第87-89页 |
| 在学期间发表的学术论文与研究成果 | 第89页 |
