模糊小波神經網絡盲均衡理論、算法與實現(xiàn)

第1章 緒論 1.1 研究背景與意義 1.2 水聲通信 1.3 水聲信道均衡的必要性及均衡算法性能評價 1.4 無線電通信盲均衡技術的研究狀況 1.5 水聲信道均衡技術的研究現(xiàn)狀 1.6 本書研究的問題與內容安排第2章 基于正交小波變換的自適應均衡算法 2.1 正交小波變換理論 2.2 基于正交小波變換的自適應均衡理論第3章 基于正交小波變換的盲均衡算法 3.1 基于正交小波變換的常模盲均衡算法 3.2 基于正交小波變換的動量常模盲均衡算法 3.3 基于正交小波變換的超指數(shù)迭代常模盲均衡算法 3.4 基于正交小波變換的變步長常模盲均衡算法 3.5 基于正交小波變換的判決多模盲均衡算法 3.6 基于正交小波變換的正交多模盲均衡算法 3.7 基于小波變換的加權正交多模盲均衡算法第4章 基于正交小波變換的分數(shù)間隔盲均衡算法 4.1 分數(shù)間隔常模盲均衡算法 4.2 基于正交小波變換的分數(shù)間隔常模盲均衡算法 4.3 基于正交小波變換的分數(shù)間隔正交多模盲均衡算法 4.4 基于正交小波變換的分數(shù)間隔聯(lián)合盲均衡算法第5章 基于正交小波包變換的盲均衡算法 5.1 正交小波包變換基本理論 5.2 基于正交小波包變換的常模盲均衡算法 5.3 基于正交小波包變換的超指數(shù)迭代盲均衡算法 5.4 基于正交小波包變換的判決反饋動量常模盲均衡算法 5.5 基于正交小波包變換的硬切換判決多模盲均衡算法第6章 基于平衡正交多小波變換的盲均衡算法 6.1 多小波理論 6.2 基于平衡正交多小波變換的常模盲均衡算法 6.3 基于平衡正交多小波變換的硬切換判決多模盲均衡算法 6.4 基于不同位置的正交多小波變換判決反饋常模盲均衡算法第7章 基于多種誤差準則的正交小波盲均衡算法 7.1 基于奇對稱誤差函數(shù)的正交小波盲均衡算法 7.2 基于雙誤差函數(shù)的正交小波盲均衡算法 7.3 基于坐標變換誤差函數(shù)的盲均衡算法 7.4 基于坐標變換誤差函數(shù)的正交小波盲均衡算法 7.5 基于坐標變換的平衡正交多小波盲均衡算法 7.6 基于雙曲正切誤差函數(shù)的正交小波變換盲均衡算法第8章 基于分集技術的正交小波盲均衡算法 8.1 分集技術概述 8.2 空間分集正交小波盲均衡算法 8.3 基于時間分集的正交小波變換軟切換判決多模盲均衡算法 8.4 頻率分集正交小波自優(yōu)化盲均衡算法 8.5 聯(lián)合合并的時空分集正交小波頻域盲均衡算法第9章 基于低階統(tǒng)計量的正交小波盲均衡算法 9.1 α穩(wěn)定分布與分數(shù)低階統(tǒng)計量 9.2 基于分數(shù)低階統(tǒng)計量的常模盲均衡算法 9.3 基于分數(shù)低階統(tǒng)計量的正交小波盲均衡算法 9.4 基于分數(shù)低階統(tǒng)計量的小波加權正交多模盲均衡算法第10章 基于信息熵的正交小波盲均衡算法 10.1 信息熵及其估計 10.2 基于信息熵的均衡器權向量迭代公式 10.3 基于Renyi熵的正交小波盲均衡算法 10.4 基于高斯窗廣義Shannon熵的小波正交多模盲均衡算法 10.5 基于二次逆方函數(shù)Tsallis熵的級聯(lián)正交多模盲均衡算法第11章 基于小波神經網絡的盲均衡算法 11.1 神經網絡與小波神經網絡模型 11.2 基于前饋神經網絡盲均衡的改進算法 11.3 基于小波神經網絡的常模盲均衡算法 11.4 小波嵌入神經網絡的常模盲均衡算法第12章 基于模糊神經網絡的盲均衡算法 12.1 模糊神經網絡基礎 12.2 基于徑向基函數(shù)模糊神經網絡的常模盲均衡算法 12.3 基于信號變換的RBF模糊神經網絡常模盲均衡算法第13章 模糊小波神經網絡盲均衡算法 13.1 模糊規(guī)則與模糊神經網絡控制器 13.2 多小波模糊神經網絡盲均衡算法 13.3 基于模糊神經網絡控制的混合小波神經網絡盲均衡算法 13.4 模糊神經網絡控制的動態(tài)小渡神經網絡反饋盲均衡算法 13.5 動態(tài)遞歸模糊小波神經網絡盲均衡算法第14章 盲均衡算法的DSP實現(xiàn) 14.1 DSP概述 14.2 MQAM調制解調及其DSP實現(xiàn) 14.3 盲均衡算法DSP實現(xiàn)的一般流程 14.4 盲均衡算法DSP實現(xiàn)實例第15章 盲均衡算法性能水池實驗研究 15.1 實驗裝置與布局 15.2 水池信道特性 15.3 部分盲均衡算法性能驗證參考文獻