超奈奎斯特（FTN）速率传输的递归神经网络解调方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文研究内容及意义 | 第10-11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 FTN传输 | 第13-41页 |
| 2.1 FTN传输技术概述 | 第13-24页 |
| 2.1.1 奈奎斯特准则与正交传输 | 第13-14页 |
| 2.1.2 FTN传输与Mazo限 | 第14-16页 |
| 2.1.3 FTN系统信道容量 | 第16-24页 |
| 2.2 FTN传输离散模型 | 第24-31页 |
| 2.2.1 FTN传输的向量形式 | 第24-25页 |
| 2.2.2 离散模型中观测矩阵性质 | 第25-31页 |
| 2.3 FTN传输的检测技术 | 第31-39页 |
| 2.3.1 最大似然检测与二次规划的等价性 | 第31-32页 |
| 2.3.2 最大似然(MLSE)检测 | 第32-35页 |
| 2.3.3 迫零均衡 | 第35页 |
| 2.3.4 最小均方误差均衡 | 第35-36页 |
| 2.3.5 算法仿真与分析 | 第36-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第三章 神经网络与信号解调 | 第41-59页 |
| 3.1 神经网络模型 | 第41-44页 |
| 3.1.1 神经网络历史 | 第41页 |
| 3.1.2 前向神经网络 | 第41-43页 |
| 3.1.3 递归神经网络 | 第43-44页 |
| 3.2 神经网络的训练算法 | 第44-52页 |
| 3.2.1 BP算法 | 第44-47页 |
| 3.2.2 激励函数 | 第47-49页 |
| 3.2.3 常见的优化算法 | 第49-52页 |
| 3.3 奈奎斯特速率传输的神经网络解调 | 第52-58页 |
| 3.3.1 系统建模 | 第52-53页 |
| 3.3.2 Softmax回归 | 第53-55页 |
| 3.3.3 参数比较与性能分析 | 第55-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第四章 FTN传输的神经网络解调 | 第59-73页 |
| 4.1 系统建模 | 第59页 |
| 4.2 Softmax回归与线性均衡的比较 | 第59-60页 |
| 4.3 MLP解调性能与参数比较 | 第60-66页 |
| 4.3.1 输入维度性能对比 | 第61-63页 |
| 4.3.2 激励函数性能对比 | 第63-65页 |
| 4.3.3 隐层维度性能对比 | 第65-66页 |
| 4.4 RNN解调性能与参数比较 | 第66-70页 |
| 4.4.1 训练算法与收敛速率比较 | 第66-68页 |
| 4.4.2 输入维度下性能对比 | 第68-69页 |
| 4.4.3 隐层维度性能对比 | 第69-70页 |
| 4.5 MLP与RNN模型对比 | 第70-72页 |
| 4.5.1 训练误差与误码率关系分析 | 第70-71页 |
| 4.5.2 参数数量与性能对比 | 第71-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 作者简介 | 第81页 |
