论文目录 | |
| 摘要 | 第1-9页 |
| Abstract | 第9-14页 |
| 第1章 绪论 | 第14-27页 |
| · 研究背景和课题意义 | 第14-15页 |
| · 非线性自适应滤波器的研究状况 | 第15-18页 |
| · 非线性自适应滤波器模型 | 第15-16页 |
| · 非线性自适应滤波器的应用 | 第16-17页 |
| · 非线性自适应滤波器分类 | 第17-18页 |
| · 基于非线性函数扩展的流水线型自适应滤波器 | 第18-23页 |
| · 基于非线性函数扩展的神经网络 | 第18-22页 |
| · 流水线型递归神经网络 | 第22-23页 |
| · 本文的主要研究成果 | 第23-25页 |
| · 论文的组织结构 | 第25-27页 |
| 第2章 基于非线性函数扩展的神经网络自适应滤波器 | 第27-46页 |
| · 引言 | 第27页 |
| · 基于非线性函数扩展的神经网络 | 第27-33页 |
| · 基于Volterra扩展的神经网络 | 第28-31页 |
| · 基于正交多项式扩展的神经网络 | 第31-33页 |
| · 基于非线性函数扩展的自适应组合神经网络均衡器 | 第33-44页 |
| · 数字通信系统模型 | 第33页 |
| · 非线性信道均衡 | 第33-34页 |
| · 基于函数扩展的自适应组合神经网络均衡器 | 第34-36页 |
| · MLMS自适应算法 | 第36-37页 |
| · 性能分析 | 第37-39页 |
| · 计算复杂度分析 | 第39页 |
| · 计算机仿真 | 第39-44页 |
| · 本章小结 | 第44-46页 |
| 第3章 基于前向Volterra扩展的流水线型非线性自适应滤波器 | 第46-75页 |
| · 引言 | 第46-47页 |
| · Volterra自适应滤波器 | 第47-52页 |
| · 基于SOV扩展的流水线型自适应滤波器 | 第52-62页 |
| · 基于SOV扩展的流水线型自适应滤波器结构 | 第52-54页 |
| · 自适应算法 | 第54-55页 |
| · 稳定性条件以及收敛性能 | 第55-58页 |
| · 权误差向量方程的均方行为分析 | 第58页 |
| · 计算复杂度分析 | 第58-60页 |
| · 计算机仿真 | 第60-62页 |
| · 基于SOV扩展的流水线型神经自适应滤波器 | 第62-74页 |
| · 基于SOV扩展的流水线型神经自适应滤波器结构 | 第63-65页 |
| · 基于SOV扩展的流水线型神经自适应滤波算法 | 第65-69页 |
| · 收敛分析以及稳定条件 | 第69-70页 |
| · 计算复杂度分析 | 第70-71页 |
| · 计算机仿真 | 第71-74页 |
| · 本章小结 | 第74-75页 |
| 第4章 基于递归Volterra扩展的流水线型非线性自适应滤波器 | 第75-106页 |
| · 引言 | 第75页 |
| · 基于Bilinear扩展的流水线型非线性自适应滤波器 | 第75-86页 |
| · Bilinear滤波器 | 第75-76页 |
| · 基于Bilinear扩展的流水线型神经网络 | 第76-78页 |
| · 自适应算法 | 第78-83页 |
| · 计算复杂度分析 | 第83-84页 |
| · 计算机仿真 | 第84-86页 |
| · 基于RSOV扩展的流水线型神经网络自适应滤波器 | 第86-105页 |
| · 递归二阶Volterra滤波器 | 第86-87页 |
| · 基于RSOV扩展的流水线型神经网络 | 第87-91页 |
| · 自适应算法 | 第91-97页 |
| · 收敛分析和稳定条件 | 第97-100页 |
| · 计算复杂度分析 | 第100-101页 |
| · 计算机仿真 | 第101-105页 |
| · 本章小结 | 第105-106页 |
| 第5章 基于Chebyshev函数扩展的流水线型递归神经自适应滤波器 | 第106-120页 |
| · 引言 | 第106页 |
| · 流水线型Chebyshev函数扩展递归神经网络 | 第106-119页 |
| · 流水线型Chebyshev函数扩展递归神经网络结构 | 第107-111页 |
| · 自适应算法 | 第111-114页 |
| · 计算复杂度分析 | 第114页 |
| · 计算机仿真 | 第114-119页 |
| · 本章小结 | 第119-120页 |
| 第6章 流水线型判决反馈递归神经网络自适应均衡器 | 第120-145页 |
| · 引言 | 第120页 |
| · 流水线型判决反馈递归神经网络自适应均衡器 | 第120-129页 |
| · 流水线型判决反馈递归神经网络结构 | 第121-124页 |
| · RTRL算法 | 第124-125页 |
| · PDFRNE和PRNE之差MSE的比较 | 第125-127页 |
| · 计算复杂性分析 | 第127页 |
| · 计算机仿真 | 第127-129页 |
| · 复值流水线型判决反馈递归神经网络 | 第129-144页 |
| · 复值非线性信道均衡问题 | 第129-130页 |
| · 复值流水线型判决反馈递归神经网络 | 第130-133页 |
| · 复值RTRL算法 | 第133-138页 |
| · 自适应幅值CRTRL算法 | 第138-139页 |
| · 计算机仿真 | 第139-144页 |
| · 本章小结 | 第144-145页 |
| 结论 | 第145-147页 |
| 致谢 | 第147-148页 |
| 参考文献 | 第148-159页 |
| 攻读博士学位期间发表的学术论文及科研成果 | 第159-160
页 |
