神经网络盲均衡理论、算法与应用

第1章 绪论

1.1 盲均衡技术的研究意义

1.2 盲均衡技术的应用

1.2.1 在数字电视中的应用

1.2.2 在CATV系统中的应用

1.2.3 在智能天线中的应用

1.2.4 在软件无线电中的应用

1.2.5 在图像盲恢复中的应用

1.2.6 在射频识别中的应用

1.3 神经网络盲均衡算法的研究进展

1.3.1 前馈神经网络盲均衡算法

1.3.2 反馈神经网络盲均衡算法

1.3.3 模糊神经网络盲均衡算法

1.3.4 进化神经网络盲均衡算法

1.3.5 小波神经网络盲均衡算法

1.4 本书研究背景及结构安排

1.4.1 本书研究背景

1.4.2 本书结构安排

第2章 神经网络盲均衡算法的理论

2.1 盲均衡的基本原理

2.1.1 盲均衡的概念

2.1.2 盲均衡器的结构

2.1.3 盲均衡采用的基本算法

2.1.4 盲均衡的均衡准则

2.2 神经网络的基本理论

2.2.1 人工神经网络的概念

2.2.2 人工神经网络的发展

2.2.3 人工神经网络的特点

2.2.4 人工神经网络的结构及分类

2.3 神经网络盲均衡算法的基本原理

2.3.1 基于神经网络滤波器的盲均衡算法的原理

2.3.2 基于神经网络控制器的盲均衡算法的原理

2.3.3 基于神经网络分类器的盲均衡算法的原理

2.4 神经网络盲均衡算法的学习方法

2.4.1 BP算法

2.4.2 改进型BP算法

2.5 神经网络盲均衡算法的评价指标

2.5.1 收敛速度

2.5.2 运算复杂度

2.5.3 误码特性

2.5.4 跟踪时变信道的能力

2.5.5 抗干扰能力

2.5.6 代价函数的凸性

2.5.7 稳态剩余误差

2.6 本章小结

第3章 前馈神经网络盲均衡算法的研究

3.1 前馈神经网络的基本原理

3.1.1 前馈神经网络的概念

3.1.2 前馈神经网络的结构

3.1.3 前馈神经网络的特点

3.2 三层前馈神经网络盲均衡算法

3.2.1 三层前馈神经网络的模型

3.2.2 实数条件下三层前馈神经网络盲均衡算法

3.2.3 复数条件下三层前馈神经网络盲均衡算法

3.3 多层前馈神经网络盲均衡算法

3.3.1 多层前馈神经网络的概念

3.3.2 四层前馈神经网络盲均衡算法

3.3.3 五层前馈神经网络盲均衡算法

3.4 动量项前馈神经网络盲均衡算法

3.4.1 算法的基本原理

3.4.2 算法形式的推导

3.4.3 计算机仿真

3.5 时变动量项前馈神经网络盲均衡算法

3.5.1 算法的基本原理

3.5.2 算法形式的推导

3.5.3 计算机仿真

3.6 变步长前馈神经网络盲均衡算法

3.6.1 算法的基本原理

3.6.2 算法形式的推导

3.6.3 计算机仿真

3.7 本章小结

第4章 反馈神经网络盲均衡算法的研究

第5章 模糊神经网络盲均衡算法的研究

第6章 进化神经网络盲均衡算法的研究

第7章 小波神经网络盲均衡算法的研究

第8章 神经网络盲均衡算法在医学图像处理中的应用

附录A 复值三层前馈神经网络盲均衡算法隐层权值迭代公式的推导

附录B 复值双线性反馈神经网络盲均衡算法迭代公式的推导

附录C 模糊隶属函数的类型

附录D 动态递归模糊神经网络盲均衡算法迭代公式的推导

参考文献

本书共分8章，系统地介绍了神经网络盲均衡算法的基本理论及算法形式。首先，分析了盲均衡算法的基本原理、均衡准则、评价指标以及与神经网络的结合机理；其次，系统研究了前馈神经网络、反馈神经网络、进化神经网络、模糊神经网络和小波神经网络盲均衡算法的基本原理，推导了算法迭代公式，并进行了计算机仿真；最后，采用Zigzag编码和前馈神经网络实现了二维医学图像的盲均衡。本书既注重结构的完整性和内容的连续性，也强调了理论推导的循序性和语言描述的精练性，还力求从简到繁、由浅入深、循序渐进、通俗易懂。本书可供信息与通信工程学科的研究生以及从事电子与通信技术的广大科技人员学习和参考。