基于神经网络的噪声对消系统及其仿真 simulation of noise cancellation system based on neural networks.pdfVIP

基于神经网络的噪声对消系统及其仿真iII—iiI 基于神经网络的噪声对消系统及其仿真 SimulationofNoiseCancellation Based SystemonNeuralNetworks 陶 结 林财兴 何绪兰 张晓光 (上海大学机电工程与自动化学院，上海200072) 摘要：无论是在工业控制还是在信号处理中，噪声都会随时随地地被引入。利用可测的噪声信号，再令其 通过BP的两层神经网络，能较好地恢复原信号，并且收敛速度较快，对于信号测量与信号控制中的噪声去除有一 定的推广性。 关键词：人工神经网络噪声信号LSM算法BP算法 DOI：10．3969／j．issn．1007—080X．2011．03．006 neuralnetworkiSatheoreticalmodelofthehumanbrainanditsactivitiesinthe Abstract：Artificial mathematic。 whichconsistsofa numberof units inan a non- large processinginterconnectingappropriatemanner，islarge—scale linear inindustrialcontrolor willbeintroducedat adaptivesystems．Whether signalprocessing，noise anytime，using thenoise canbe it thetwo BPneuralnetworkcanberestorethe signal measured，makingthrough layers originalsignal wellina hasacertain inthe measurementand controlfor quick quickconvergencespeed，and promotionsignal signal thenoisereduction． neuralnetworknoise LSM BP Keywords：artificial signal algorithmalgorithm 0引言 是可以测量的；因而利用可测的噪声信号，通过神经网 无论是在工业控制还是在信号处理中，噪声都会 络模型就可以达到与原始噪声对消的效果，还原出原 随时随地地被引入。为了消除这种噪声产生的干扰， 始信号。 对于形式已知的噪声，在自动化控制中可以采用增加 1人工神经网络 一个去噪环节使得噪声对系统的影响渐渐趋近于零， 人工神经网络是人脑及其活动的一个理论化的数 而对于形式未知的噪声，则可以采用模糊控制的方式 学模型，它由大量的处理单元通过适当的方式互连构 达到控制效果。虽然直接作用在信号上的噪声是不可 成，是一个大规模的非线性的自适应系统。 测的，但是这些噪声的相关信号是可测量的，如电话传 人工神经网络是一个并行、分布处理结构，它由处 输线上说话方声音的反射信号、测最胎儿心跳时夹杂 理单元及称为连接的无向信号通道互连而成。这些处 着的母亲心跳信号，这些噪声信号不可直接获得，但是 理单元(processing 其相关信号——说话方的声音和母亲的原始心跳信号 完成局部操作。每个处理单元有一个单一的输出连 作者简介：陶 结 1986年生．硕士研究生。研究方向为CIMS、通信控制等。 林财兴教授，博士研究生导师，上海市CIMS委员会专家。主要研究方向为CIMS。