Vol.20 No.4 李连源等：神经网络在自适应滤波中的应用 377· (1) S(@) S(@) (a) (b) (c) 0 0 图2白噪声(a),红噪声(b),正弦波()功率谱密度函数曲线 通过快速傅里叶变换(FFT)可得到S(ω).由于输入序列是实序列，只考虑前一半计算结果. 为了消除S(ω)的随机性并减少特征值的维数，将FFT的计算结果分组平均处理：前一半 结果分为5组，分别计算各组中FFT结果的幅度平方和，再将这5组的计算结果进行归一化 处理.表1为采样速率为32kHz时对截止频率为10kHz的限带白噪声、红噪声和，30Hz正弦 波计算所得的特征值. 表1白噪声，红噪声和正弦波的特征值 噪声类型 特征 值 白噪声 0.897824 1.000000 0.941296 0.208327 0.025415 红噪声 1.000000 0.357865 0.076443 0.011712 0.002169 正弦波 1.000000 0.015058 0.009267 0.005491 0.004474 由于自组织特征映射神经网络结构简单、权值调整方便，且其运行方式易于用单片机 实现，因此选用这种神经网络对白噪声、红噪声和正弦波进行辨识，实际使用的自组织特征映 射神经网络的结构如图3所示.该神经网络的输人维数是5，分别对应于提取的特征矢量，输 出节点。yy,分别对应于红噪声、白噪声和正弦波.输出节点采用S型函数，即 0,u<0 f(4)= u,0≤4，≤1 (2) 1,4,>1 其中，业=三（《飞-吹，形为第i个输 出节点与第广个输人节点之间的联接 权值(0≤i≤2,0≤j≤4).该神经网 图3自组织特征映射神经网络结构 络采用离线训练，由于提取的输人模 式特征值差别较大，且待分辨的信号类型已知，因此直接对该网络进行有监督的训练.权值调 整公式为： w1+1)=W0+(0·[x(0-WO] (0≤i≤2,0≤j≤4) (3) 式中，)随时间1的增加而逐渐减小.该神经网络的初始权值随机地在[0,1]内选取，表2所