| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题背景及研究意义 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·人工神经网络 | 第11-14页 |
| ·数字滤波器 | 第14-15页 |
| ·本文研究方向和章节安排 | 第15-17页 |
| 第二章 数字滤波器的设计 | 第17-29页 |
| ·数字滤波器概述 | 第17-18页 |
| ·数字滤波器的分类 | 第17-18页 |
| ·数字滤波器的基本原理 | 第18页 |
| ·FIR 数字滤波器的设计 | 第18-25页 |
| ·FIR 数字滤波器简介 | 第18-20页 |
| ·FIR 数字滤波器的设计方法 | 第20-25页 |
| ·数字滤波器的技术要求 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 BP 神经网络和遗传算法 | 第29-46页 |
| ·人工神经网络简介 | 第29-35页 |
| ·生物学基础 | 第29-30页 |
| ·人工神经元模型 | 第30-31页 |
| ·人工神经网络模型及工作方式 | 第31-33页 |
| ·人工神经网络的基本原理及其优点 | 第33-35页 |
| ·BP 神经网络 | 第35-36页 |
| ·BP 神经网络模型 | 第35页 |
| ·标准BP 学习算法 | 第35-36页 |
| ·遗传算法简介 | 第36-42页 |
| ·遗传算法的产生和发展 | 第37-38页 |
| ·遗传算法的基本思想 | 第38-39页 |
| ·遗传算法的特点 | 第39-40页 |
| ·遗传算法的应用 | 第40-42页 |
| ·遗传算法的基本操作 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 本文提出的基于遗传和LM 算法的BP 神经网络 | 第46-57页 |
| ·用LM 算法优化BP 的基本思想 | 第46页 |
| ·用LM 算法优化BP 神经网络 | 第46-49页 |
| ·本文的LM-BP 算法 | 第46-47页 |
| ·对BP 神经网络的优化 | 第47-49页 |
| ·BP 神经网络权值的优化选择 | 第49-51页 |
| ·用遗传算法优化网络权值的设计思想 | 第49页 |
| ·遗传算法选择权值 | 第49-51页 |
| ·本文用遗传和LM 算法优化BP 神经网络 | 第51-55页 |
| ·设计思想 | 第51-52页 |
| ·算法步骤 | 第52-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 本文优化的BP 神经网络在数字滤波器设计中的应用 | 第57-69页 |
| ·理论推导及算法步骤 | 第57-62页 |
| ·应用实例分析 | 第62-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间所发表的论文 | 第74页 |