ОГЛАВЛЕНИЕ
Введение.
Глава 1. Анализ существующих методов построения адаптивных
эквалайзеров для приема сигналов
1.1. Адаптивный эквалайзер
1.1.1. Адаптивный линейный эквалайзер.
1.1.1.1. Алгоритм сведения к нулю
1.1.1.2. Алгоритм наименьших квадратов.
1.1.2. Адаптивный эквалайзер с обратной связью по решению
1.1.3. Слепой эквалайзер
1.1.3.1. Стохастический градиентный алгоритм.
1.1.3.2. Алгоритмы слепого эквалайзера, основанные на статистике сигнала второго и более высокого порядка
1.2.Адаптивный эквалайзер канала с использованием нейронной сети
1.2.1. Эквалайзер с использованием многослойного персептрона
1.2.2. Эквалайзер с использованием радиальной базисной сети
Ф 1.2.3. Эквалайзер с использованием рекуррентной нейронной сети.
1.2.4. Слепой нейросетевой эквалайзер.
1.3. Выводы по главе 1
Глава 2. Комплексные нейронные сети как базис построения
перспективных эквалайзеров
2.1. Структура комплексной нейронной сети.
2.1.1. Комплексный нейрон.
2.1.2.0днослойная комплексная нейронная сеть
2.1.3.Двухслойная комплексная нейронная сеть
2.2. Функция активации комплексной нейронной сети.
2.3. Алгоритмы настройки комплексных нейронных сетей.
2.4. Общий алгоритм настройки нейронной сети.
2.5. Скорость обучения комплексной нейронной сети.
2.6. Выводы по главе 2.
Глава 3. Решение задачи построения эквалайзера в нелинейных каналах для обработки сигналов с различной
квадратурной амплитудной модуляцией .
3.1. Разработка эквалайзера с использованием комплексных
нейронных сетей
3.1.1. Входной сигнал нейронной сети
3.1.2. Выходной сигнал нейронной сети.
3.1.3. Желаемый выходной сигнал нейронной сети
3.1.4. Функция активации
3.1.5. Описание структуры нейросетевого эквалайзера.
3.1.6. Функционал оптимизации.
3.1.7. Метод поиска экстремума функционала оптимизации
3.1.7.1. Алгоритм градиентного спуска.
3.1.7.2. Методов второго порядка
3.1.8. Выбор начальных условий для настройки нейронной сети
ф 3.2. Разработка эквалайзера с использованием комплексной
радиальной базисной сети
3.2.1. Структура эквалайзера с использованием комплексной радиальной базисной сети
3.2.2. Алгоритмы настройки эквалайзеров с использованием радиальной базисной сети
3.3. Разработка эквалайзера с использованием комплексной
рекуррентной нейронной сети
3.3.1. Комплексная рекуррентная нейронная сеть
3.3.1.1.Структура нейронной сети.
3.3.1.2. Алгоритм настройки коэффициентов нейронной сети
А. Алгоритм обратного распространения.
Б. Алгоритм с использованием расширенного фильтра
Колмана.
3.3.2. Комплексная нейронная сеть с полными обратными связями
3.3.2.1.Структура нейронной сети.
3.3.2.2. Алгоритм настройки коэффициентов нейронной сети
А. Комплексный рекуррентный алгоритм настройки коэффициентов нейронной сети в реальном времени РАРВ
Б. Рекуррентный алгоритм настройки коэффициентов нейронной сети в реальном времени с применением расширенного фильтра Колмана РАРВРФК.
3.4. Разработка эквалайзера с использованием самоорганизующейся комплексной вейвлетнейронной сети СОКВНС
3.4.1. Структура эквалайзера с самоорганизующейся комплексной вейвлет нейронной сетью.
3.4.2. Алгоритм обучения самоорганизующейся комплексной
вейвлет нейронной сети.
Ф 3.4.2.1. Самоорганизующийся алгоритм.
3.4.2.2. Алгоритм настройки параметров.
3.5. Разработка комплексного гибридного нейросетевого эквалайзера
3.5.1. Структура комплексного гибридного нейросетевого эквалайзера.
3.5.2. Алгоритм настройки коэффициентов нейронной сети.
3.5.2.1. Самоорганизующийся алгоритм
3.5.2.2. Алгоритм настройки параметров
3.6. Выводы по главе 3
Глава 4. Моделирование и экспериментальное исследование иейросетевых эквалайзеров для обработки сигналов с
квадратурной амплитудной модуляцией.
4.1. Математическое моделирование каналов связи.
4.1.1. Модель канала с аддитивным шумом.
4.1.2. Модель линейного фильтрового канала
4.1.3. Модель нелинейного канала
4.2. Квадратурная Амплитудная Модуляция.
4.3. Построение моделей иейросетевых эквалайзеров в пакете
программ МАТЬАВМи1ЛЖ.
4.4. Моделирование и исследование эквалайзера для обработки
сигналов с модуляцией 4КАМ
4.4.1. Моделирование и исследование эквалайзера с использованием комплексной нейронной сети
4.4.1.1. Исследование зависимости качества от числа нейронов.
4.4.1.2. Исследование зависимости качества от степени нелинейности канала.
4.4.1.3. Исследование скорости обучения с использованием
алгоритма второго порядка
4.4.2. Моделирование и исследование эквалайзера с использованием комплексной рекуррентной нейронной сети
4.4.2.1. Исследование зависимости качества от числа нейронов.
4.4.2.2. Исследование зависимости качества от степени нелинейности канала.
4.4.2.3. Исследование скорости обучения с использованием алгоритма второго порядка.
4.4.3. Моделирование и исследование эквалайзера с
использованием комплексной сети с полными обратными
связями для рекуррентного алгоритма настройки коэффициентов сети в реальном времени.
4.4.3.1. Исследование зависимости качества от степени нелинейности канала
4.4.3.2. Исследование скорости обучения с использованием алгоритма второго порядка
4.4.4. Моделирование и исследование эквалайзера с использованием комплексной радиальной базисной сети
4.4.4.1. Исследование зависимости качества от числа нейронов
4.4.4.2. Исследование зависимости качества от степени нелинейности канала
4.4.5. Моделирование и исследование эквалайзера с использованием самоорганизующейся комплексной вейвлетнейронной сети.
4.4.6. Сравнение качества работы эквалайзеров различного вида
4.4.7. Моделирование и исследование эквалайзера с обратной
Ф связью по решению.
4.5. Разработка и исследование эквалайзера для сигналов с
многоуровневой квадратурной амплитудной модуляцией
4.5.1. Разработка и исследование эквалайзера для сигналов с
модуляцией КАМ.
4.5.1.1. Разработка и исследование эквалайзера с использованием комплексных нейронных сетей.
4.5.1.2. Разработка и исследование эквалайзера с использованием комплексной гибридной нейронной
4.5.2. Разработка и исследование эквалайзера для сигналов с модуляцией КАМ
4.5.3. Разработка и исследование эквалайзера для сигналов с модуляцией КАМ
4.6. Выводы по главе 4
Заключение.
Библиография
- Київ+380960830922