专著《神经网络新理论与方法》中提出了人工神经网络的全新训练算法——样条权函数神经网络算法。这种新的理念方法可以克服传统的神经网络训练的缺陷,同时可以避免局部极小、收敛速度慢等很多缺点。复变权函数神经网络是在复数域的拓展与实现,所以它具有权函数神经网络的所有优点。而神经网络的灵敏度问题,更是具有重要的研究意义。在训练计算出神经网络的权函数后,网络输出受周围环境及输入扰动的影响可以通过对灵敏度的分析得出。本文以神经网络灵敏度的分析为前提,深入研究网络的模型误差与逼近噪音误差,进而研究复变权函数神经网络的灵敏度,并推导出其计算公式。文章首先介绍复变权函数的表示方法;接着介绍权函数神经网络灵敏度的统计定义;然后对网络的模型误差与逼近噪音误差分别展开研究,最终得出复变权函数神经网络的灵敏度。同时,本文在理论分析的基础上,运用Matlab工具对复变权函数神经网络及其灵敏度进行了仿真,通过仿真结果的分析,验证了该理论分析的有效性和正确性。运用复变权函数神经网络的灵敏度,本文设计出一种认知无线电中的频谱成形器。基于理论分析,设计出了该频谱成形器的模型;进而通过计算系统的灵敏度,进行频段的规避,实现可靠频谱共享。最后经过实验仿真验证,结合复变权函数神经网络灵敏度的频谱成形器在有效利用频谱及避免频谱碰撞等方面有较好的效果。