论文部分内容阅读
在信号处理的研究中,自适应噪声抵消技术广泛地应用于通信、控制等领域,LMS是最常用的自适应算法,若信号通道结构比较复杂或存在非线性时,自适应滤波器的长度会增加,造成稳态失调、收敛速度降低,影响系统的性能。由于神经网络经过训练后可以很好地逼近非线性函数,因此对于平稳信号输入,采用BP神经网络构成自适应滤波器可以提高系统的抵消性能。根据神经元网络的自适应噪声抵消系统原理,通过仿真实验研究了在不同输入信噪比、不同通道函数、不同输入信号条件下系统的噪声抵消性能。实验表明BP方法噪声抵消效果显著,信噪比增益高。