线性神经网络用于噪声对消.doc

实 验 报 告 科目：控制系统数字仿真 姓名：谢国坤 学号：2009003047 专业：检测技术与自动化装置 班级：研097班 日期：2011.01.10 线性神经网络用于噪声对消 1.问题分析： 对于一个最优的滤波器，希望通过滤波将信号中的噪声去掉，这对一般的滤波器很难完全做到。利用自适应线性网络实现噪声对消的原理框图如下图所示。 噪声对消原理框图 图中为原始输入信号，假设为平稳的零均值随机信号；为与不相关的随机噪声；为与相关的信号；系统输出为；+为ADALINE神经元的预期输出，为ADLINE神经元的输出。则 通过ADALINE调节，得到 上式中，当其输出为，则噪声被抵消。 2.模型建立 假设传输信号为正弦波信号，噪声为随机噪声，进行自适应线性神经网络设计。ADALINE自适应线性神经元的输入向量为随机噪声p；正弦波信号与随机噪声之和为ADALINE神经元的目标向量t;输出信号为网络调整过程中的误差信号y。 3. MATLAB程序代码： %Example42 clear all; %清除所有内存变量 %定义输入向量和目标向量 time=0.01:0.01:10; %时间变量 noise=(rand(1,1000)-0.5)*4; %随机噪声 input=sin(time); %信号 p=noise; %将噪声作为ADALINE的输入向量 t=input+noise; %将噪声+信号 作为目标向量 %创建线性神经网络 net=newlin([-1 1],1,0,0.0005); %线性神经网络的自适应调整（训练） net.adaptParam.passes=70; [net,y,output]=adapt(net,p,t);%输出信号output为网络调整过程中的误差 %绘制信号、叠加随机噪声的信号、输出信号的波形 hold on%绘制信号的波形 subplot(3,1,1); plot(time,input,'b'); xlabel('t','position',[10.5,-1]); ylabel('信号波形sin(t)','fontsize',8) %绘制叠加随机噪声的信号波形 subplot(3,1,2); plot(time,t,'m'); xlabel('t','position',[10.5,-5]); ylabel('随机噪声波形sin(t)+noise(t)','fontsize',8) %绘制输出信号的波形 subplot(3,1,3); plot(time,output,'y'); xlabel('t','position',[10.5,-2]); ylabel('输出信号波形y(t)','fontsize',8) hold off  5.分析： 从图中可以看出，输出信号除了含有一定直流分量外，其波形与输入信号波形基本一致，消除了迭加的随机噪声。