神經網絡盲均衡理論、算法與應用（簡體書）

第1章 緒論1
1.1 盲均衡技術的研究意義1
1.2 盲均衡技術的應用2
1.2.1 在數字電視中的應用2
1.2.2 在CATV系統中的應用2
1.2.3 在智能天線中的應用3
1.2.4 在軟件無線電中的應用3
1.2.5 在圖像盲恢復中的應用3
1.2.6 在射頻識別中的應用4
1.3 神經網絡盲均衡算法的研究進展4
1.3.1 前饋神經網絡盲均衡算法4
1.3.2 反饋神經網絡盲均衡算法6
1.3.3 模糊神經網絡盲均衡算法7
1.3.4 進化神經網絡盲均衡算法8
1.3.5 小波神經網絡盲均衡算法9
1.4 本書研究背景及結構安排9
1.4.1 本書研究背景9
1.4.2 本書結構安排10
第2章 神經網絡盲均衡算法的理論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 盲均衡器的結構11
2.1.3 盲均衡采用的基本算法12
2.1.4 盲均衡的均衡準則14
2.2 神經網絡的基本理論17
2.2.1 人工神經網絡的概念17
2.2.2 人工神經網絡的發展18
2.2.3 人工神經網絡的特點18
2.2.4 人工神經網絡的結構及分類19
2.3 神經網絡盲均衡算法的基本原理20
2.3.1 基于神經網絡濾波器的盲均衡算法的原理20
2.3.2 基于神經網絡控制器的盲均衡算法的原理21
2.3.3 基于神經網絡分類器的盲均衡算法的原理212.4神經網絡盲均衡算法的學習方法22
2.4.1 BP算法22
2.4.2 改進型BP算法23
2.5 神經網絡盲均衡算法的評價指標27
2.5.1 收斂速度27
2.5.2 運算復雜度27
2.5.3 誤碼特性27
2.5.4 跟蹤時變信道的能力28
2.5.5 抗干擾能力28
2.5.6 代價函數的凸性28
2.5.7 穩態剩余誤差29
2.6 本章小結32
第3章 前饋神經網絡盲均衡算法的研究33
3.1 前饋神經網絡的基本原理33
3.1.1 前饋神經網絡的概念33
3.1.2 前饋神經網絡的結構33
3.1.3 前饋神經網絡的特點33
3.2 三層前饋神經網絡盲均衡算法34
3.2.1 三層前饋神經網絡的模型34
3.2.2 實數條件下三層前饋神經網絡盲均衡算法34
3.2.3 復數條件下三層前饋神經網絡盲均衡算法36
3.3 多層前饋神經網絡盲均衡算法41
3.3.1 多層前饋神經網絡的概念41
3.3.2 四層前饋神經網絡盲均衡算法41
3.3.3 五層前饋神經網絡盲均衡算法45
3.4 動量項前饋神經網絡盲均衡算法52
3.4.1 算法的基本原理52
3.4.2 算法形式的推導53
3.4.3 計算機仿真54
3.5 時變動量項前饋神經網絡盲均衡算法56
3.5.1 算法的基本原理56
3.5.2 算法形式的推導57
3.5.3 計算機仿真58
3.6 變步長前饋神經網絡盲均衡算法59
3.6.1 算法的基本原理59
3.6.2 算法形式的推導60
3.6.3 計算機仿真60
3.7 本章小結62
第4章 反饋神經網絡盲均衡算法的研究63
4.1 反饋神經網絡的基本原理63
4.1.1 反饋神經網絡的概念63
4.1.2 反饋神經網絡的結構63
4.1.3 反饋神經網絡的特點63
4.2 基于雙線性反饋神經網絡的盲均衡算法64
4.2.1 雙線性反饋神經網絡的基本原理64
4.2.2 實數條件下雙線性反饋神經網絡盲均衡算法65
4.2.3 復數條件下雙線性反饋神經網絡盲均衡算法66
4.3 對角遞歸神經網絡盲均衡算法69
4.3.1 對角遞歸神經網絡的模型69
4.3.2 算法形式的推導70
4.3.3 計算機仿真71
4.4 準對角遞歸神經網絡盲均衡算法73
4.4.1 準對角遞歸神經網絡的模型73
4.4.2 算法形式的推導74
4.4.3 計算機仿真76
4.5 變步長對角遞歸神經網絡盲均衡算法78
4.5.1 算法的基本原理78
4.5.2 算法形式的推導78
4.5.3 計算機仿真78
4.6 變步長準對角遞歸神經網絡盲均衡算法80
4.6.1 算法的基本原理80
4.6.2 算法形式的推導81
4.6.3 計算機仿真81
4.7 本章小結84
第5章 模糊神經網絡盲均衡算法的研究85
5.1 模糊神經網絡的基本原理85
5.1.1 模糊神經網絡的概念85
5.1.2 模糊神經網絡的結構85
5.1.3 模糊隸屬函數的選取86
5.1.4 模糊神經網絡的學習算法87
5.1.5 模糊神經網絡的特點87
5.2 模糊神經網絡濾波器盲均衡算法88
5.2.1 算法的基本原理88
5.2.2 算法形式的推導88
5.2.3 計算機仿真91
5.3 模糊神經網絡控制器盲均衡算法92
5.3.1 算法的基本原理92
5.3.2 算法形式的推導92
5.3.3 計算機仿真95
5.4 模糊神經網絡分類器盲均衡算法96
5.4.1 算法的基本原理96
5.4.2 算法形式的推導96
5.4.3 計算機仿真99
5.5 本章小結101
第6章 進化神經網絡盲均衡算法的研究102
6.1 進化神經網絡的基本原理102
6.1.1 遺傳算法的概念102
6.1.2 遺傳算法的發展103
6.1.3 遺傳算法的參數104
6.1.4 遺傳算法的基本流程108
6.1.5 遺傳算法的特點108
6.1.6 遺傳算法與神經網絡的結合機理109
6.2 GA優化神經網絡權值盲均衡算法109
6.2.1 算法的基本原理109
6.2.2 二進制編碼GA優化神經網絡權值盲均衡算法110
6.2.3 實數編碼GA優化神經網絡權值盲均衡算法114
6.3 GA優化神經網絡結構盲均衡算法117
6.3.1 算法的基本原理117
6.3.2 算法形式的推導117
6.3.3 計算機仿真119
6.4 本章小結122
第7章 小波神經網絡盲均衡算法的研究123
7.1 小波神經網絡的基本原理123
7.1.1 小波神經網絡的概念123
7.1.2 小波神經網絡的結構124
7.1.3 小波神經網絡的特點124
7.2 前饋小波神經網絡盲均衡算法124
7.2.1 算法的基本原理124
7.2.2 實數條件下前饋小波神經網絡盲均衡算法125
7.2.3 復數條件下前饋小波神經網絡盲均衡算法128
7.3 反饋小波神經網絡盲均衡算法134
7.3.1 算法的基本原理134
7.3.2 實數條件下反饋小波神經網絡盲均衡算法134
7.3.3 復數條件下反饋小波神經網絡盲均衡算法137
7.4 本章小結143
第8章 神經網絡盲均衡算法在醫學圖像處理中的應用144
8.1 圖像盲均衡的概念144
8.1.1 醫學CT圖像的成像機理及退化過程144
8.1.2 醫學CT圖像盲均衡的基本原理145
8.1.3 醫學圖像盲均衡的定量衡量指標146
8.2 基于Zigzag編碼的醫學CT圖像神經網絡盲均衡算法147
8.2.1 算法的基本原理147
8.2.2 算法迭代公式推導148
8.2.3 算法收斂性能分析149
8.2.4 計算機仿真151
8.3 雙Zigzag編碼的醫學CT圖像神經網絡盲均衡算法154
8.3.1 算法的基本原理154
8.3.2 算法迭代公式推導155
8.3.3 計算機仿真158
8.4 本章小結160
附錄A 復值三層前饋神經網絡盲均衡算法隱層權值迭代公式的推導161
附錄B 復值雙線性反饋神經網絡盲均衡算法迭代公式的推導163
附錄C 模糊隸屬函數的類型167
附錄D 動態遞歸模糊神經網絡盲均衡算法迭代公式的推導170
參考文獻174