Vol.20 No.4 李连源等：神经网络在自适应滤波中的应用 ·379 则有：(m)=AC/2=KC12;可得：K=2y()/C2.这样根据C值就可得到A值，即可基本恢 复n 由于单片机计算速度的限制，可被处理的信号的最高频率不能太高，当被尖峰脉冲所干 优的正弦波通过】个以信号最高频率为截止频率的低通滤波器后，尖锋脉冲被有效地抑制. 3实验结果 利用时域采样值对尖峰脉冲干扰、有效值为0.0546V的25Hz正弦干扰、有效值 U,136V的白噪声和有效值为0.117V的红噪声进行辨识实验，辨识结果全部正确，然后，利用 单片机对所剩的3种噪声进行采样，采样频率为28k五，再进行特征提取并利用自组织特征 映射神经网络进行辨识，结果全部正确， 噪声抑制实验中，正弦波的频率为30比，噪声分别为白噪声和红噪声输人信噪比为】 时，输出端的信噪比分别为11.05和15.41.抑制尖峰脉冲干扰实验中，输人端的信噪比为 0.022,滤波器输出端的信噪比为39.64.利用相位锁定原理进行正弦信号分离的部分实验结 果列于表4，可看到实际计算结果与理论值基本符合. 表4正弦信号分离实验结果 信号频率/Hz s(n)幅值 s(n)幅值 (n)幅值 s(n)+u(n) A B 輻值 K理想 K讲界 15 0.35098040.354902 0.000000 0.3509804 0.989 0.9603 20 0.26862750.26862750.369544 0.4568126 1.0000 0.9911344 30 0.34912500.10163320.183357 0.394345 3.4351 3.2956 4结论 自组织特征映射神经网络可自动提取输入矢量特征，具有良好的模式识别效果；单片机 可用于自适应滤波处理中；所提出的噪声类型辨识方法和各种滤波方案是可行、有效的. 参考文献 1吴兆熊，数字信号处理（下册）.北京：国防工业出版杜，1985 1郑君里，杨行峻.人工神经元网络.北京：高等教育出版社，1992 NN Application to Adaptive Filtering Li Lianyuan Wang Shaochum Information Engineering School,UST Beijing,Beijing 100083,China ABSTRACT White noise,pink noise and sinusoidal wave are recognized by a neural network.Then a single chip microprocessor is employed to adaptively filter them and pulse noise.The experiment results show that the scheme proposed is correct. KEY WORDS neural networks;adaptive filters;single chip microprocessor