1、“.....调失真交调失真和失真功率放大器非线性的影响带内失真带外失真功率放大器的记忆效应功放的非线性技术指标压缩点三阶互调系数和三阶截断点邻信道泄露功率比误差矢量幅度功率放大器的行为模型无记忆模型有记忆模型第章功放的线性化技术与数字预失真功放的线性化技术二〇五年五月十日星期功率回退技术负反馈技术前馈技术技术预失真技术功放线性化技术的对比数字预失真技术自适应数字预失真技术原理预失真系统学习结构数字预失真技术分类第章人工神经网络与小波分析理论人工神经网络人工神经网络概述人工神经元模型神经网络的拓扑结构神经网络的学习神经网络小波分析连续小波变换离散小波变换几种常用的小波第章基于小波网络的数字预失真算法设计与仿真小波神经网络小波神经网络分类小波神经网络学习算法小波网络与网络的比较基于小波网络的数字预失真算法设计问题描述小波神经网络设计算法仿真及性能分析二〇五年五月十日星期训练样本提取仿真过程及结果分析第......”。

2、“.....人们对移动通信的要求越来越高，不断追求更高的通信质量和更丰富的通信业务，移动通信正在以前所未有的速度向前发展。从世纪年代的第代模拟蜂窝移动通信开始，到年代中期以和为代表的第二代数字移动通信，再到本世纪初的第三代移动通信系统，技术的更新换代越来越快。目前，第三代移动通信已经步入大规模商用时期。量,为隐层第个神经元对应的权值向量隐含层到输出层之间的权值矩阵用表示，,，其中,为输出层第个神经元对应的权向量，则各层信号之间的数学关系为对于输出层有对于隐含层有二〇五年五月十日星期在本文中，隐层节点的激活函数采用如式所示的函数，该函数具有连续可导的特点，且有......”。

3、“.....其中，则。学习算法网络按有导师学习方式进行训练，其学习过程由两部分组成信息的正向传播和误差的反向传播。在正向传播时，将已知学习样本由输入层传入，通过设置的网络结构和前次迭代的权值和阈值，经隐含层逐层处理后传到输出层，每层神经元的状态只对下层神经元的状态产生影响。如果网络实际输出与期望的输出不相等，则计算输出层的误差，转入反向传播阶段。反向传播时，输出误差以种形式从最后层即输出层向输入层逐层反传，计算各层权值和阈值对总误差的影响梯度，据此对各权值和阈值进行修改。这种信号正向传播与误差反向传播的各层权值和阈值的调整过程是反复交替的，权值不断调整的过程也就是网络的学习训练过程，该过程直进行到网络输出的误差减少到可接受的程度或进行到预先设定的学习次数为止。由于误差逐层往回传递以修正层与层之间的权值和阈值，所以该算法称为反向传播，算法......”。

4、“.....假设共有对训练样本，当用第个样本对网络进行训练时，网络的输出与期望输出的均方误差用表示，定义为将所有样本输出误差之和的平均值作为网络训练的误差准则函数将式所示的误差定义式展开至隐含层可得进步展开至输入层可得二〇五年五月十日星期由上式可以看出，网络输入误差是各层权值和阈值的函数，因此调整它们可以改变误差。按照梯度下降法调整网络权值和阈值，使其沿着误差函数的负梯度方向改变，则可得权值的修正公式为其中，式中，负号表示梯度下降方向，为学习速率，且......”。

5、“.....可分别展开为对于输出层，由式可得对于隐含层，由式可得将式和式分别代入式和，并利用二〇五年五月十日星期和可得则可得权值修正计算公式分别为初始化权值及学习速率设定训练精度和最大迭代次数给定个样本对计算各层神经元的输出值计算均方误差的平均根据式和修正权值迭代次数训练结束否是否是根据式和计算权值修正值图算法流程图算法的步骤如下初始化网络网络权值阈值以及学习速率的初始化设定网络训练精度和迭代次数上限将训练次数计数器设为将样本计数器设为，总误差设为二〇五年五月十日星期输入训练样本对，分别赋给输入向量和目标向量，计算隐含层和输出层各个单元的输出根据式计算网络实际输出向量与目标向量的误差......”。

6、“.....若是，则求平均误差，继续步骤否则，，并转到步骤判断网络误差是否达到要求，即是否小于，若是，则转到步骤否则继续步骤判断迭代次数是否达到上限，即是否小于，若是，则迭代次数否则转到步骤根据式和计算权值修正值，然后根据权值修正公式和修正权值，转到步骤训练结束。上述过程的流程图表示形式如图所示。网络的设计网络结构的设计网络在应用时需要先确定网络的结构，网络结构的设计包括网络层数的确定和各层神经元数目的选取两方面。个神经网络定具有个输入层和个输出层，而输入层和输出层神经元的数目是由实际问题本身所决定的，因此网络结构设计的重点在于隐含层结构的设计，即隐含层数目及各隐含层神经元数目的确定，隐含层结构在很大程度上决定着网络的训练速度和泛化能力。网络层数的确定隐含层层数的选取需根据问题的复杂度来确定。般来说增加隐含层数目可以使网络解决复杂及非线性问题的能力增强，但会延长网络的学习时间......”。

7、“.....采用函数作为转换函数的三层前馈神经网络，能够以任意精度逼近任复杂的非线性函数。因此般采用三层的网络。各层神经元数目的选择隐含层神经元数目的选择是个十分复杂的问题，它与所要解决的问题的复杂度激活函数的形式以及样本数据的特性等因素都有密切关系，目前理论上还没有种科学而又普遍的确定方法，往往需要根据经验和多次实验来确定。为了尽可能避免训练时出现过拟合现象，保证网络的收敛速度和泛化能力，般确定隐含层节点数的基本原则是在满足精度要求的前提下取尽可能紧凑的结构，即取尽可能少的隐层节点数。文献中给出了几种确定隐含层神经元数目的估算公式，可以作为网络设计时的参考二〇五年五月十日星期式中，为样本个数，为隐含层神经元个数，为输入层神经元个数。当时，规定。式中，分别为输入层和输出层神经元个数，为之间的常数。式中，为输入层神经元个数......”。

8、“.....如果初始值偏差很大，使得加权后的输入落在激活函数的饱和区，导致其导数接近于，则权值修正值的公式计算结果也会趋近于，使得网络的修正过程几乎停止。因此般将权值的初始值设为,之间的随机数。学习速率的选取学习速率的选取决定了网络训练过程中所产生的权值变化量。大的学习速率可能会使网络权值每次的修正量过大，甚至会导致权值在修正过程中超出个误差的极小值而出现不规则跳跃，使得系统不稳定小的学习速率会导致学习时间较长，收敛速度慢，但能保证网络的误差值不跳出误差表面的低谷而逐渐趋于最小误差值。因此般选择较小的学习速率以保证学习过程的收敛性和稳定性，通常将学习速率选为之间的值。小波分析小波分析是世纪年代后期形成的个新兴的数学分支，它是在傅里叶分析的基础上发展起来的，但小波分析与傅里叶分析存在极大的不同。从微观上看......”。

9、“.....傅里叶分析是整体域分析，用单独的时域或频域表示信号的特征，而小波分析是局部化时频分析，它用时域和频域的联合表示信号的特征。作为时频分析方法，小波分析比傅里叶分析有着许多本质性的进步，它既具有丰富的数学理论意义，又具有广泛的工程应用价值，从数值分析的角度看，它是傅里叶分析的个突破性进展，给许多相关学科的研究领域带来了新的思想，为工程应用领域提供了种新的更有效的分析工具。目前小波分析在语音图像图形通信地震生物医学计算机视觉二〇五年五月十日星期分类号密级学位论文系统中基于小波网络的数字预失真技术研究作者姓名闫星星指导教师沙毅副教授东北大学信息科学与工程学院申请学位级别硕士学科类别工程学科专业名称电子与通信工程论文提交日期年月论文答辩日期年月学位授予日期答辩委员会主席评阅人东北大学年月二〇五年五月十日星期二〇五年五月十日星期独创性声明本人声明......”。