神经网络盲均衡理论、算法与应用

本书共分8章。靠前章为绪论，介绍了盲均衡技术的研究意义及应用领域，综述了神经网络盲均衡算法的分类及研究现状；第2章为神经网络盲均衡算法的理论，介绍了盲均衡的概念、结构、算法形式及均衡准则，阐述了神经网络盲均衡算法的基本原理和学习方法，分析了肓均衡算法的评价指标；第3章为前馈神经网络盲均衡算法的研究，研究基于三层、四层、五层前馈神经网络盲均衡算法和基于动量项、时变动量项盲均衡算法以及时变步长神经网络盲均衡算法；第4章为反馈神经网络盲均衡算法的研究，研究基于双线性反馈神经网络、对角递归神经网络、准对角递归神经网络盲均衡算法以及基于均方误差非线性函数的时变步长对角递归神经网络和准对角递归神经网络盲均衡算法；第5章为模糊神经网络盲均衡算法的研究，研究基于模糊神经网络滤波器、模糊神经网络控制器和模糊神经网络分类器的肓均衡算法；第6章为进化神经网络盲均衡算法的研究，研究基于遗传算法优化神经网络权值和结构的盲均衡算法；第7章为小波神经网络盲均衡算法的研究，研究前馈小波神经网络和反馈小波神经网络盲均衡算……

《神经网络盲均衡理论算法与应用／中国计算机学会学术著作丛书》编著者张立毅。
《神经网络盲均衡理论算法与应用／中国计算机学会学术著作丛书》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；很后，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。

张立毅，山西忻州人，工学博士，博士后，教授，天津商业大学研究生部主任兼学科建设办公室主任，天津大学信息与通信工程学科博士研究生导师，先后兼任中国电子学会电路与系统分会委员，山西省通信学会常务理事，天津市通信学会高校工作委员会理事等，主持完成重量和省部级科研项目10余项，发表学术论文100余篇，出版专著、教材近20部，荣获天津市很好教师、天津巿劳动模范等称号。

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212.4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