D0I:10.13374j.issl001-03x.1998.04.019 第20卷第4期 北京科技大学学报 Vol.20 No.4 1998年8月 Journal of University of Science and Technology Beijing Ag199% 神经网络在自适应滤波中的应用 李连源 王绍纯 北京科技大学信息工程学院，北京100083 摘要利用神经网络对白噪声、红噪声和正弦波进行辨识.进而采用单片机对以上3种噪声和尖 峰脉冲干扰进行自适应滤波处理.实验结果表明该方案正确， 关键词神经树络；自适应滤波器；单片机 分类号TN713.7 当外界存在多种噪声时，要实现全局最优滤波就需确定最佳的滤波器结构和最佳的滤波 器参数.本文利用神经网络对噪声的类型进行辨识，然后采取不同方法对噪声进行抑制 1噪声类型的辨识 自适应抵消器的结构如图1所示0.它共有2条输人通道：信号输人通道和参考输人通 道，在时刻j,信号输入通道中是有用信号和噪 声的叠加信号d,参考输入通道中是噪声的相关 d 信号x,y是输人信号为x时自适应滤波器(A日 信号输入通道 的输出值，e,=d,一y 共对4种噪声进行抑制：白噪声、红噪声、尖 峰脉冲和与有用正弦信号同频、不同相的正弦 参考输人通道 波.从参考输人通道中可获得信号输人通道中白 噪声、红噪声和尖峰脉冲的相关信号；在双正弦 叠加情况下，参考输人通道中是与有用正弦信号 图1自适应抵消器结构示意图 同频、同相的正弦波.这样，对参考输人通道的采 样值进行处理后，就可对噪声的类型进行辨识，进而采取不同的方法来抑制噪声 尖峰脉冲属于一类随机信号，它的幅值较大，持续时间较短，因此参考输人通道中的大部 分时间都没有尖峰脉冲，这时参考输入通道的采样值都在某一固定值附近.根据这一时域特 性可将它与其他3种噪声分辨开，首先对参考输入通道进行多点采样，若其中大部分采样值 都在已知的固定值附近，就认为这时的噪声是尖峰脉冲， 白噪声、红噪声和正弦波的功率谱密度函数的形状如图2所示，通过计算它们的功率谱 密度就可将其分辨开 噪声的功率谱密度利用周期图法计算得到，其计算公式为： 1997-06-20收稿李连源男，24岁，硕士生DOI: 10. 13374 /j . issn1001 -053x. 1998. 04. 019