基于神经网络的自适应噪声抵消

《基于神经网络的自适应噪声抵消》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、------------------------------------------------------------------------------------------------基于神经网络的自适应噪声抵消AdaptiveNoiseCancellationTechnologyBasedonNeuralNetworkAbstract:Noisecancellationtechnologyisoneofthemajorproblemsofsignalprocessing.Adaptivenoisecancellationtechnologybasedo

2、nneuralnetworkisaverygoodtoeliminatenoiseeffectsofunknownsignalprocessingtechnology,overcomethetraditionaladaptivenoisecancellationoftechnology.Thisdesign,Throughtheback-propagationlearningalgorithmofmultilayerfeedforwardneuralnetworkanalysisandresearch,combiningtraditionaladaptiveno

3、isecancellationsystemofbasicprinciple,Establishedaadaptivenoisecancellationbasedonartificialneuralnetwork,aftersimulationexperimentsbasedontheMatlabproveithasstrongnoisefilteringability.Keywords:adaptivefilter;noisecancellation;neuralnetwork1引言在工程实际中，经常会遇到强噪声背景中的微弱信号检测问题。在信号的传播路径中以及在

4、信号处理过程中，都会引入噪声。噪声的引入影响了对真实信号的处理。有时候，较强的噪声会“遮盖”了信号，从而难以得到准确、稳定的真实信号。噪声对信号的污染在绝大多数情况下是不可避免的，因而，对噪声的消除和抑制是信号处理中极其重要的工作。通常实现最优滤波的滤波器为维纳滤波器与卡尔曼滤波器。它们均要求已知信号和噪声的先验知识，但在许多实际应用——————————————————————————————————————------------------------------------------------------------------------------

5、------------------中往往无法预先得知。为此，发展了自适应滤波器，1965年美国斯坦福大学建成了第一个自适应噪声抵消(ANC)系统[1]，随着计算机技术与集成电路技术的进步，新的自适应算法不断涌现出来，自适应噪声抵消在理论和应用上都得到了很大发展。如果滤波器的输入和输出具有非线性的映射关系，那么对应的滤波器称为非线性滤波。生活中在许多的实际信号里含有系统非线性引起的噪声或者存在非高斯噪声等，因而研究非线性滤波显得自1986年开始，神经网络随着反向传播(BP)算法的出现而得到复兴，此后对于神经网络的研究再度掀起高潮。由于神经网络具有高度并行性、很强

6、的非线性、变换能力和学习能力，因此具有很大的应用潜力，也为自适应非线性滤波器提供了一种全新的思路和方法。其中，激活函数为Simoid的多层前向神经网络能够以任意精度实现非线性函数逼近[3]，所以可用BP神经网络组成非线性自适应滤波器。通过将滤波器的误差信号与神经网络中能量函数对应起来，可实现神经网络自适应滤波器[4]。2自适应噪声抵消滤波是现代通信和控制工程中常用的信号处理方法之一，所谓滤波，就是通过对一系列带有误差的实际测量数据进行处理来滤除信号中的干扰，从而尽可能地恢复一个被噪声干扰了的信息流的问题。滤波的种类很多，最简单的滤波器是权系数固定的线性滤波器。为

7、了提高滤波性能，滤波的权系数（传递函数）往往随输入信号而发生变化，这种滤波称为自适应滤波。——————————————————————————————————————------------------------------------------------------------------------------------------------2.1自适应滤波器自适应滤波器自从60年代出现后，其理论在不断地发展与完善，应用也越来越广泛，自适应数字滤波器的原理框图[5]如图1所示。图中：x(j)表示j时刻的输入信号值；y(j)表示j时刻的输出信号值；d

8、(j)表示j时刻的参考信