第1章 绪论 1
1.1 盲均衡技术的研究意义 1
1.2 盲均衡技术的应用 2
1.2.1 在数字电视中的应用 2
1.2.2 在CATV系统中的应用 2
1.2.3 在智能天线中的应用 3
1.2.4 在软件无线电中的应用 3
1.2.5 在图像盲恢复中的应用 3
1.2.6 在射频识别中的应用 4
1.3 神经网络盲均衡算法的研究进展 4
1.3.1 前馈神经网络盲均衡算法 4
1.3.2 反馈神经网络盲均衡算法 6
1.3.3 模糊神经网络盲均衡算法 7
1.3.4 进化神经网络盲均衡算法 8
1.3.5 小波神经网络盲均衡算法 9
1.4 本书研究背景及结构安排 9
1.4.1 本书研究背景 9
1.4.2 本书结构安排 10
第2章 神经网络盲均衡算法的理论 11
2.1 盲均衡的基本原理 11
2.1.1 盲均衡的概念 11
2.1.2 盲均衡器的结构 11
2.1.3 盲均衡采用的基本算法 12
2.1.4 盲均衡的均衡准则 14
2.2 神经网络的基本理论 17
2.2.1 人工神经网络的概念 17
2.2.2 人工神经网络的发展 18
2.2.3 人工神经网络的特点 18
2.2.4 人工神经网络的结构及分类 19
2.3 神经网络盲均衡算法的基本原理 20
2.3.1 基于神经网络滤波器的盲均衡算法的原理 20
2.3.2 基于神经网络控制器的盲均衡算法的原理 21
2.3.3 基于神经网络分类器的盲均衡算法的原理 21
2.4 神经网络盲均衡算法的学习方法 22
2.4.1 BP算法 22
2.4.2 改进型BP算法 23
2.5 神经网络盲均衡算法的评价指标 27
2.5.1 收敛速度 27
2.5.2 运算复杂度 27
2.5.3 误码特性 27
2.5.4 跟踪时变信道的能力 28
2.5.5 抗干扰能力 28
2.5.6 代价函数的凸性 28
2.5.7 稳态剩余误差 29
2.6 本章小结 32
第3章 前馈神经网络盲均衡算法的研究 33
3.1 前馈神经网络的基本原理 33
3.1.1 前馈神经网络的概念 33
3.1.2 前馈神经网络的结构 33
3.1.3 前馈神经网络的特点 33
3.2 三层前馈神经网络盲均衡算法 34
3.2.1 三层前馈神经网络的模型 34
3.2.2 实数条件下三层前馈神经网络盲均衡算法 34
3.2.3 复数条件下三层前馈神经网络盲均衡算法 36
3.3 多层前馈神经网络盲均衡算法 41
3.3.1 多层前馈神经网络的概念 41
3.3.2 四层前馈神经网络盲均衡算法 41
3.3.3 五层前馈神经网络盲均衡算法 45
3.4 动量项前馈神经网络盲均衡算法 52
3.4.1 算法的基本原理 52
3.4.2 算法形式的推导 53
3.4.3 计算机仿真 54
3.5 时变动量项前馈神经网络盲均衡算法 56
3.5.1 算法的基本原理 56
3.5.2 算法形式的推导 57
3.5.3 计算机仿真 58
3.6 变步长前馈神经网络盲均衡算法 59
3.6.1 算法的基本原理 59
3.6.2 算法形式的推导 60
3.6.3 计算机仿真 60
3.7 本章小结 62
第4章 反馈神经网络盲均衡算法的研究 63
4.1 反馈神经网络的基本原理 63
4.1.1 反馈神经网络的概念 63
4.1.2 反馈神经网络的结构 63
4.1.3 反馈神经网络的特点 63
4.2 基于双线性反馈神经网络的盲均衡算法 64
4.2.1 双线性反馈神经网络的基本原理 64
4.2.2 实数条件下双线性反馈神经网络盲均衡算法 65
4.2.3 复数条件下双线性反馈神经网络盲均衡算法 66
4.3 对角递归神经网络盲均衡算法 69
4.3.1 对角递归神经网络的模型 69
4.3.2 算法形式的推导 70
4.3.3 计算机仿真 71
4.4 准对角递归神经网络盲均衡算法 73
4.4.1 准对角递归神经网络的模型 73
4.4.2 算法形式的推导 74
4.4.3 计算机仿真 76
4.5 变步长对角递归神经网络盲均衡算法 78
4.5.1 算法的基本原理 78
4.5.2 算法形式的推导 78
4.5.3 计算机仿真 78
4.6 变步长准对角递归神经网络盲均衡算法 80
4.6.1 算法的基本原理 80
4.6.2 算法形式的推导 81
4.6.3 计算机仿真 81
4.7 本章小结 84
第5章 模糊神经网络盲均衡算法的研究 85
5.1 模糊神经网络的基本原理 85
5.1.1 模糊神经网络的概念 85
5.1.2 模糊神经网络的结构 85
5.1.3 模糊隶属函数的选取 86
5.1.4 模糊神经网络的学习算法 87
5.1.5 模糊神经网络的特点 87
5.2 模糊神经网络滤波器盲均衡算法 88
5.2.1 算法的基本原理 88
5.2.2 算法形式的推导 88
5.2.3 计算机仿真 91
5.3 模糊神经网络控制器盲均衡算法 92
5.3.1 算法的基本原理 92
5.3.2 算法形式的推导 92
5.3.3 计算机仿真 95
5.4 模糊神经网络分类器盲均衡算法 96
5.4.1 算法的基本原理 96
5.4.2 算法形式的推导 96
5.4.3 计算机仿真 99
5.5 本章小结 101
第6章 进化神经网络盲均衡算法的研究 102
6.1 进化神经网络的基本原理 102
6.1.1 遗传算法的概念 102
6.1.2 遗传算法的发展 103
6.1.3 遗传算法的参数 104
6.1.4 遗传算法的基本流程 108
6.1.5 遗传算法的特点 108
6.1.6 遗传算法与神经网络的结合机理 109
6.2 GA优化神经网络权值盲均衡算法 109
6.2.1 算法的基本原理 109
6.2.2 二进制编码GA优化神经网络权值盲均衡算法 110
6.2.3 实数编码GA优化神经网络权值盲均衡算法 114
6.3 GA优化神经网络结构盲均衡算法 117
6.3.1 算法的基本原理 117
6.3.2 算法形式的推导 117
6.3.3 计算机仿真 119
6.4 本章小结 122
第7章 小波神经网络盲均衡算法的研究 123
7.1 小波神经网络的基本原理 123
7.1.1 小波神经网络的概念 123
7.1.2 小波神经网络的结构 124
7.1.3 小波神经网络的特点 124
7.2 前馈小波神经网络盲均衡算法 124
7.2.1 算法的基本原理 124
7.2.2 实数条件下前馈小波神经网络盲均衡算法 125
7.2.3 复数条件下前馈小波神经网络盲均衡算法 128
7.3 反馈小波神经网络盲均衡算法 134
7.3.1 算法的基本原理 134
7.3.2 实数条件下反馈小波神经网络盲均衡算法 134
7.3.3 复数条件下反馈小波神经网络盲均衡算法 137
7.4 本章小结 143
第8章 神经网络盲均衡算法在医学图像处理中的应用 144
8.1 图像盲均衡的概念 144
8.1.1 医学CT图像的成像机理及退化过程 144
8.1.2 医学CT图像盲均衡的基本原理 145
8.1.3 医学图像盲均衡的定量衡量指标 146
8.2 基于Zigzag编码的医学CT图像神经网络盲均衡算法 147
8.2.1 算法的基本原理 147
8.2.2 算法迭代公式推导 148
8.2.3 算法收敛性能分析 149
8.2.4 计算机仿真 151
8.3 双Zigzag编码的医学CT图像神经网络盲均衡算法 154
8.3.1 算法的基本原理 154
8.3.2 算法迭代公式推导 155
8.3.3 计算机仿真 158
8.4 本章小结 160
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 161
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 163
附录C 模糊隶属函数的类型 167
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 170
参考文献 174