基于神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)濾波.pdf

1、在數(shù)字信號處理中，所謂濾波實際上是完成輸入到輸出的某種映射關(guān)系，對于解決通信、雷達、水聲、遙測、自動控制、生物醫(yī)學(xué)、模式識別、圖像處理、語言處理等諸多領(lǐng)域中的復(fù)雜問題與現(xiàn)象有重要意義。濾波的種類很多，最簡單的濾波器是權(quán)系數(shù)固定的線性濾波器，為了提高濾波性能，濾波器的權(quán)系數(shù)(傳遞函數(shù))往往隨輸入信號而變化，這種濾波稱為自適應(yīng)濾波。如果濾波器的輸入輸出關(guān)系具有非線性映射特性，那么對應(yīng)的濾波稱為非線性濾波。線性只是非線性的特例，對某些時間序列

2、或未知系統(tǒng)采用非線性模型可以從更深層次上揭示信號與系統(tǒng)的內(nèi)在特征，從而更有效地提取信息。自適應(yīng)非線性濾波是當(dāng)今信號處理的重要發(fā)展方向，它是針對線性處理的許多不足和限制而發(fā)展起來的，在不少場合，可獲得比線性處理更加優(yōu)越的性能，因此具有廣泛的應(yīng)用前景。 人工神經(jīng)網(wǎng)絡(luò)(ANN：Artificial Neural Net、Networks)是近幾十年來發(fā)展迅猛的一門邊緣學(xué)科，在信號處理、模式識別、智能控制等領(lǐng)域中的應(yīng)用價值越來越被人們重

3、視。ANN對眾多學(xué)科的包容性、應(yīng)用范圍的廣泛性及其理論方法的多樣性是前所未有的。由于ANN具有表示任意非線性關(guān)系和學(xué)習(xí)的能力，給建立非線性濾波器提供了新思想和新方法。本文意在基于傳統(tǒng)自適應(yīng)濾波理論，構(gòu)造新型的ANN非線性自適應(yīng)濾波器，實現(xiàn)通信信號濾波。 針對一般ANN的缺點，本文重點研究函數(shù)連接型神經(jīng)網(wǎng)絡(luò)(FLNN：Functional LinkArtificial Neural Network)。FLNN的最大特點是直接對輸入

4、模式進行非線性擴展，將其映射到一個更大的模式空間。雖然輸入信息并未增多，但模式的增強帶來了網(wǎng)絡(luò)結(jié)構(gòu)的簡化和學(xué)習(xí)速度的提高。例如在不使用隱含層而采用單層網(wǎng)絡(luò)結(jié)構(gòu)時，F(xiàn)LNN對非線性信號的處理能力不亞于傳統(tǒng)的ANN，在收斂速度上還有大幅度提高。因此，本文重點研究由FLNN構(gòu)造非線性自適應(yīng)濾波器，并與由傳統(tǒng)線性濾波器和由BP網(wǎng)絡(luò)構(gòu)成的ANN濾波器進行性能比較。仿真試驗表明在非線性濾波方面，F(xiàn)LNN濾波器有較快的運算速度和很好的濾波效果。本文還